神经形态芯片

韩国材料科学研究所（KIMS）研究人员开发出一种高密度和高可靠性的神经拟态半导体器件。研究人员使用一般半导体加工中使用的真空溅射沉积法生成超薄锂离子薄膜，并将其与二维纳米材料相结合，来形成厚度仅为几十纳米的神经拟态半导体器件。

一个国际研究团队设计并制造了一种直接在内存中运行计算的芯片，可运行各种人工智能（AI）应用，而且它能在保持高精度的同时，仅消耗通用AI计算平台所耗能量的一小部分，兼具高效率和通用性。相关研究发表在最近的《自然》杂志上。

美国芝加哥大学普利兹克分子工程学院研究人员开发了一种灵活、可拉伸的计算芯片，该芯片通过模仿人脑来处理信息。发表在《物质》杂志上的该项成果有望改变健康数据的处理方式。

奥地利格拉茨技术大学与英特尔公司研究人员进行的一项研究证明神经形态芯片的优越性，受人脑结构和生物学启发的神经形态计算硬件在支持复杂的深度神经网络（DNN）方面更有优势。

随着人工智能的应用范围越来越广泛，近年来研究人工智能的工作越来越多，其终极目标均是希望利用电子设备构建一个计算系统，能够达到人脑所实现的低功耗、高速度、大容量的并发计算。而人工神经网络就是为了这一仿生过程诞生的。

英特尔公司发布其首款7nm神经拟态芯片“Loihi 2”，可模拟100万个神经元。与普通芯片不同的是，神经拟态芯片的计算任务是由许多小单元进行的，单元之间通过类似生物神经的尖峰信号相互通信，并通过尖峰调整其行为。

韩国科学技术院（KAIST）的研究人员通过集成晶体管神经元和突触（transistor neurons and synapses），打造了模拟大脑功能的高度可扩展神经形态硬件（neuromorphic hardware）。利用标准的硅互补式金属氧化物半导体（CMOS）技术，有机会降低芯片成本并简化制造程序。

由斯威本科技大学领导的国际研究人员团队展示了世界上最快，最强大的人工智能光学神经形态处理器（AI），其运算速度超过每秒10万亿次运算（TeraOPs / s），并能够处理超大规模数据。

近日，Intel分享了Intel神经拟态研究社区（INRC）的最新进展，联想、罗技、梅赛德斯-奔驰、机器视觉传感器公司Prophesee已经加入，共同探索神经形态计算在商业用例上的价值。

一个工程师团队创造了一种能够同时处理和存储数据的2D计算机芯片。根据发表在《自然》杂志上的一项最新研究，EPFL的工程师发明了一种新的计算机芯片，该芯片能够在单个电路中存储和处理数据。下一代计算机芯片由称为二硫化钼（MoS2）的二维材料组成，以前所未有的规模为节能电子产品打开了大门。

使工程师无法复制大脑的能量效率和脑计算技能的关键是，缺少一种可以独自发挥神经元作用的电子设备。为此，将需要一种特殊的设备，该设备的行为比尚未创建的任何设备都要复杂。现在科学家在忆阻器取得突破，制造出首个像神经元一样起作用的电子器件。

8月20日消息，近日一项关于在轮椅上安装机器人手臂的研究已有测试版本。该项目主要由埃森哲提供资金和技术支持、英特尔提供神经形态技术以及Applied Brain Research（ABR）公司提供算法，以色列研究团队整合多方技术来进行产品测试。

长期以来，人脑能够以最少的能量处理大量信息的能力使科学家着迷。而在基于硅的计算领域中，从未有过这样的效率。处理大量数据需要大量电能。而且，当人工智能（AI）及其深度学习和机器学习进入现实时，问题就加倍恶化。神经形态芯片发展有助于解决这些问题。

近日，清华大学微纳电子系、北京未来芯片技术高精尖创新中心副教授高滨联合多家合作单位，在《自然·电子》（Nature Electronics）在线发表了题为“类脑计算芯片”（Neuro-inspired computing chips）的综述文章。该文章系统介绍了类脑计算芯片的历史、现状与未来展望，并重点分析了存算一体芯片的设计方法与研究挑战。

罗格斯大学的研究人员正在开发受大脑启发的算法，解释和复制星形胶质细胞的功能。在预发表一篇论文中，研究人员介绍了一种由人工星形胶质细胞调制的神经形态中央模式生成器（CPG），该模式成功地在其内部机器人中捕获了几种有节奏的步行行为。

尽管人们对基于聚合物的神经形态设备越来越感兴趣，但研究人员尚未建立起控制设备响应速度的有效方法。现在，东北大学和剑桥大学的研究人员通过混合聚合物PSS-Na和PEDOT:PSS，发现添加离子导电聚合物可以提高神经形态设备的响应时间，从而克服了这一障碍。

麻省理工学院（MIT）的工程师 Hanwool Yeon、Jeehwan Kim 等人设计了一种「片上大脑」，它比指甲盖还小，内含数十万人工突触（忆阻器），其「记忆力」要比我们所知的其他芯片强上不少。这种全新的芯片借鉴了冶金技术的原理，使用银、铜和硅合金制造忆阻器。当芯片在处理视觉任务时，可以「记住」图像并多次复现这些内容。与使用非合金材料制作的忆阻器相比，新版本的记忆更加清晰。