類似神經元的電路使類似大腦的計算機更近一步

這是第一次，我的同事和我建立了一個單一的電子設備是能夠復制神經細胞的功能在大腦。然后，我們將其中的20個連接在一起以執行復雜的計算。這項工作表明，科學地制造一臺不依賴晶體管進行計算并且比今天的數據中心使用更少的電能的先進計算機是可能的。

我的研究始于2004年，當時有兩個問題。我們是否可以構建單個電子元件(相當于晶體管或開關)來執行大腦中神經元的大多數已知功能?如果是這樣，我們可以將其用作構建有用計算機的基礎嗎?

神經元的微調非常精細，模仿它們的電子元素也是如此。我在2013年與他人合著了一篇研究論文，原則上列出了需要做的事情。我的同事Suhas Kumar和其他人經過五年的認真探索，才獲得了正確的材料組成和結構，以產生理論上預測的必要性能。

然后，Kumar邁出了重要的一步，并構建了一個電路，其中有20個這些元件通過設備網絡相互連接，這些設備可以編程為具有特定的電容或存儲電荷的能力。然后，他將數學問題映射到網絡中的電容，這使他能夠使用該設備找到小范圍的問題的解決方案，該問題在廣泛的現代分析中很重要。

我們使用的簡單示例是通過比較病毒的遺傳信息來查看病毒家族中可能發生的突變。

計算機的性能正在迅速達到極限，因為集成電路中最小的晶體管的尺寸現在接近20個原子寬。決定晶體管行為的任何更小的物理原理都不再適用。競爭激烈，看是否有人可以制造出更好的晶體管，一種堆疊晶體管的方法或其他可以執行目前需要數千個晶體管的任務的設備。

此任務之所以重要，是因為人們已經習慣了過去40年中計算能力和效率的指數級提高，并且許多業務模型和我們的經濟都建立在這一期望之上。工程師和計算機科學家現在已經建造了可以收集大量數據的機器，而礦石正是從礦石中提煉出最有價值的商品信息。每年的數據量幾乎翻倍，這已經超過了當今計算機分析數據的能力。

神經元功能的基本理論最早由Alan Hodgkin和Andrew Huxley提出，大約在70年前，并且一直沿用至今。這是非常復雜且很難在計算機上進行模擬的，直到最近才由Leon Chua重新分析并將其應用于現代非線性動力學理論的數學中。

這項工作使我受到啟發，過去10年中的大部分時間里，他們學習了必要的數學知識，并弄清楚了如何構建一種可以如理論所預期的那樣工作的真實電子設備。

世界各地有許多研究團隊采用不同的方法來構建類似大腦或神經形態的計算機芯片。

現在的技術挑戰是將我們的原理驗證演示擴展到可以與當今的數字巨獸競爭的產品。