據IEEE報道，一項研究發現，其推出的人工神經元（New artificial versions of the neurons and synapses）和突觸比人腦的神經元小 1000 倍，比生物突觸快至少 10000 倍。

研究人員表示，這些新設備可能有助于提高被稱為深度神經網絡的日益普遍和強大的人工智能系統的學習速度。

在人工神經網絡中，被稱為“神經元”的電子元件被輸入數據并協同解決問題，例如識別圖像。神經網絡反復調整其 ersatz 神經元之間的聯系，并查看由此產生的行為模式是否更適合找到解決方案。隨著時間的推移，網絡會發現哪些模式最適合計算結果。然后它采用這些作為默認值，模仿人腦中的學習過程。

如果一個神經網絡擁有多層神經元，它就被稱為“深度” 。深度神經網絡越來越多地用于分析醫學掃描、設計微芯片、預測蛋白質如何折疊和增強自動駕駛汽車等應用。

動物的思維速度通常被限制在幾毫秒內——受到神經信號在其中混洗的微弱電壓和含水介質的限制。然而，人造的固態神經元和突觸并沒有受到這些限制的限制。

訓練深度神經網絡所需的時間、精力和金錢正在飆升。研究人員正在尋求幫助克服這一挑戰的一種方法是在模擬大腦的硬件而不是傳統計算機上訓練模擬大腦的深度神經網絡，這種策略稱為模擬深度學習。

正如晶體管是數字計算機的核心元件一樣，類似神經元和突觸的組件也是模擬深度學習的關鍵組成部分。在這項新研究中，研究人員對稱為可編程電阻器的人工突觸進行了實驗。

新的可編程電阻器類似于憶阻器或存儲電阻器。這兩種設備本質上都是電子開關，可以記住關閉電源后切換到的狀態。因此，它們類似于突觸，其導電性取決于過去通過它們的電荷量而增強或減弱。該研究的主要作者、麻省理工學院電氣工程師Murat Onen說，憶阻器是兩端器件，而新的可編程電阻器是三端器件。

研究小組的可編程電阻器通過移動質子來增加或減少它們的電導率。為了增加電導，電場有助于將質子插入設備中。為了降低電導，質子被取出。

這些質子可編程電阻器使用類似于電池中的電解質來讓質子通過，同時阻擋電子。他們的電解質是磷硅酸鹽玻璃，研究人員懷疑這種玻璃在室溫下具有高質子傳導性。這種玻璃容納了許多用于質子傳輸的納米級孔隙，并且還可以承受非常強的脈沖電場以幫助質子快速移動。

與早期版本的設備中使用的有機Nafion電解質不同，磷硅酸鹽與硅制造技術兼容。這有助于將設備“一直縮小到 10 納米規模”，Onen 說。相比之下，生物神經元大約長 1000 倍。

生物神經元和突觸處理和傳輸數據的速度受到弱電壓和這些信號在其中混洗的水介質的限制。任何超過 1.23 伏的電壓都會導致液態水分解成氫氣和氧氣。因此，動物的思維速度通常限于毫秒時間尺度。相比之下，人造固態神經元和突觸不受這些限制的限制。然而，尚不清楚它們與生物學對應物相比有多快。

在實驗中，科學家們發現他們的質子可編程電阻器在室溫下的執行速度至少比生物突觸快 10，000 倍。“最令人驚訝的部分是看看我們在固體介質中移動質子的速度有多快，”Onen說。“以前的操作時間尺度大約是毫秒，而在這項工作中，我們達到了納秒。”

此外，這些設備可以運行數百萬次循環而不會發生故障。此外，它們在計算過程中產生的熱量與人類突觸相當——磷硅玻璃的絕緣特性意味著當質子移動時幾乎沒有電流通過該材料，從而使這些小工具非常節能。

“主要的技術含義是我們現在可以擁有用于模擬深度學習應用的質子可編程設備，”Onen 說。“與競爭技術相比，此類設備的前身已經具有許多有前途的品質，但速度非常慢，這意味著它們不適合在處理器中使用。”

此外，Onen 說，“無論何時需要快速離子運動，例如微型電池、燃料電池、人工光合作用和電致變色，固體中超快離子傳輸的發現可能具有比模擬深度學習更廣泛的意義。”