一作+通讯！张海天教授最新Science，已全职加盟北京航空航天大学

作者|高分子科学前沿 来源|高分子科学前沿(ID：Polymer-science)

可重构器件提供了按需编程电子电路的能力。在一种类型的设备中拥有神经形态计算所需的所有核心功能，可以极大地改善新兴的计算架构和人工智能的大脑启发硬件。具有动态重新分配网络资源以在不断变化的环境中执行各种任务的能力将是至关重要的。

近日，美国普渡大学张海天（共同第一作者兼通讯作者，2021年9月全职加入北京航空航天大学）、Tae Joon Park和Shriram Ramanathan等人开发了在后制备的钙钛矿NdNiO3器件中按需生成人工神经元、突触和记忆电容器，它可以通过单次发射的电脉冲简单地为特定目的重新配置。钙钛矿镍酸盐的电子特性对氢离子局部分布的敏感性使这些结果成为可能。利用记忆电容器的实验数据，储存计算框架的仿真结果表明，在诸如数字识别和心电图心跳活动分类等任务中，有出色的性能。使用这种可重构人工神经元和突触，模拟动态网络在增量学习场景中优于静态网络。这种按需设计大脑启发计算机的构造模块的能力，为自适应网络开辟了新的方向。相关工作以“Reconfigurable perovskite nickelate electronics for artificial intelligence”为题发表在最新一期的《Science》。

图1. 可重构的钙钛矿设备

在这项工作中，研究者开发了一种钙钛矿镍酸盐，一类在氢掺杂后发生室温电子相变的量子材料，使一个通用的、可重构的自适应计算硬件平台成为可能。例如，一个由H掺杂NdNiO3 (NNO)制成的单一器件，可以根据需要进行电重构，以实现神经元、突触或记忆电容器的功能(图1A)。这种通用的可调谐性是由钙钛矿晶格中大量亚稳态质子的组合协同实现的，这些质子也可以被电压控制。为了演示人工智能中的示例应用，研究者使用了储层计算(RC)框架中存储电容器的实验数据(图1B)，一种脑启发的机器学习体系结构，仿真结果表明，与理论和实验储存的性能相当。从钙钛矿镍酸盐器件中获得的神经元和突触的实验特性及其运行时可重构性被用来设计自适应动态生长所需网络(图1C)。研究者证明，这种网络可以利用动态网络节点的创建和删除，与静态网络节点相比，提供更大的表达能力和效率。

图2. 一个钙钛矿设备可以电重新配置，以执行神经形态计算机的基本功能

原始的和弱掺杂的钙钛矿NNO表现出线性电阻行为。在中间掺杂状态下，出现了电容性行为。H-NNO器件的电气重构如图2 A至F所示。通过施加正、负电脉冲，器件的电阻状态可以被小心地调制，程序控制的电阻状态是非易失性的。在电子状态i时，对镍酸盐器件进行循环电压扫描测量，观察到线性电阻行为(图2A)。然后，通过施加单一电压脉冲，将电子状态i切换到电子状态ii，此时出现电流-电压(i -v)回路，表明设备中存储的能量(图2B)。经过1.6 × 106个周期的耐久测试，研究者对该装置进行了电重构，结果表明，所有功能模式都是可重复的，例如，图2G和H分别给出了在初始和1.6 × 106周耐力测量后线性电阻和电容状态的配置。一个单一的设备可以被重新配置为电阻器、记忆电容器、神经元或带有电脉冲的突触。为了理解能够实现电重构的纳米级机制，研究者对LRS和HRS的代表性H-NNO器件进行了深入的表征(图2I到L)，它们分别对应于突触和神经元状态。

图3. 用镍矿化装置测量的数据进行储存计算模拟

图3 A ~ C的模拟结果表明，与理论储存和实验储存相比，H-NNO储存在三个任务上使用较少的设备都可以取得与实验储存相当的性能。图3D的性能-装置比结果显示，H-NNO储层在MNIST、孤立语音数字和心电心跳方面的性能平均比理论储层和实验储层高出1.4倍、1.2倍和5.1倍。

图4. 从镍合金设备在需要时动态增长计算与实验特性测量

研究者在两个原型数据集(MNIST(19)和CUB-200(20)的子集)上训练该网络，这两个数据集用于评估文献中的性能，以模拟这样的网络将如何运行。对于MNIST，图4A显示了GWR网络动态响应输入分布变化的能力。在增量学习场景中，对于两个数据集，网络的测试精度和每个新类训练时的节点数如图4B到E所示。研究者观察到，动态网络能够比静态网络更好地保留学习后的表达，最终的准确性测试结果显示MNIST的准确性提高了212%，CUB-200的准确性提高了250%。

作者介绍：

张海天，1989年10月生。北京航空航天大学教授，博士生导师。2018年5月博士毕业于美国宾夕法尼亚州立大学材料科学与工程专业(导师：Roman Engel-Herbert)。2018年6月年获得美国吉尔布雷斯学者基金(Gilbreth Research Fellow), 于普渡大学工程院开展独立研究工作(合作教授：Shriram Ramanathan以及Kaushik Roy)。2020年11月入选中组部国家级青年人才计划。2021年9月全职加入北京航空航天大学材料科学与工程学院。

原文链接：

https://www.science.org/doi/10.1126/science.abj7943

作者信息链接：

http://shi.buaa.edu.cn/zhanghaitian/zh_CN/index/192050/list/index.htm

编者按：本文转载自微信公众号：高分子科学前沿(ID：Polymer-science)，作者：高分子科学前沿