三星電子宣佈，其研究人員和哈佛大學教授聯合提出了一種將大腦神經元連接圖（neuronal wiring map）”複製、粘貼”到高密度 3 維存儲網路上的可能。 論文作者設想創建一種類似人腦的存儲晶片，該晶元將具有低功耗、輕鬆學習、適應環境等特性，未來甚至可以具備自主性和認知能力。

這項研究於 9 月 23 日刊登在了頂級期刊《自然・電子》上，論文題目為《Neuromorphic electronics based on copying and pasting the brain（基於複製和粘貼大腦的神經擬態電子學）》。

論文 DOI 連結：https://doi.org/10.1038/s41928-021-00646-1

01.回歸神經電子學科最初目標，逆向工程研究大腦

神經擬態電子學始於 20 世紀 80 年代，其目的是利用積體電路來類比生物神經系統中神經元網路的結構和功能。 該學科的最終目標是將大腦的計算能力帶到固態平臺上。 然而，由於模仿大腦神經元網路過於困難，該學科的研究重點已經轉向事件驅動操作、記憶中的資訊處理等受到大腦特徵啟發的技術。

目前，這一學科的研究主要可分為兩類，分別為人工神經網路（ANN）和自然神經網路（NNN）。

人工神經網路是機器學習的框架，已經促使該領域出現了一系列強大的人工智慧（AI）應用。 自然神經網路則是自然智慧的基礎，由電化學提供動力。 與人工神經網路相比，自然神經網路可以從條件很少或條件很差的數據中學習，以適應環境。

由於當前人類對神經元如何在大腦內部工作知之甚少，構建一個具有獨特計算能力的神經網路電路從根本上受到了挑戰。 伴隨著人工智慧技術的發展，在CPU、GPU、NPU、TPU等數位處理器之外，研究人員開始推動模擬輔助功能的處理器，這類處理器在 AI 計算中的功耗更低。

論文作者認為，這類模擬輔助的處理器的運行方式靈感來自大腦，其存內計算的理念就如同生物突觸分佈在大腦中一樣。 不過這類處理器的目標仍是計算 AI 演算法，而不是類比大腦運行。 三星和哈佛大學的研究團隊希望回到神經擬態電子學最初的目標，即通過逆向工程研究大腦。

▲ 當前的神經擬態電子學科研究

02.CNEA 實現數千突觸連接記錄，3D 存儲晶元成自然神經網路載體

為了實現上述目標，三星和哈佛的研究人員使用CMOS奈米電極陣列（CMOS nanoelectrode array，CNEA）和存儲晶元對大腦神經元連接進行”複製、粘貼”，構建自然神經網路。

CMOS 奈米電極陣列是此前哈佛大學研究團隊的成果，該團隊在半導體晶元上加工出了 4096 個記錄和刺激電極的 CMOS 奈米電極陣列，晶元上還有 4096 個電子通道，可以同時記錄數千個神經元的突觸連接。 2020年，這項研究發表在了《自然・生物醫學工程》上。

▲ CMOS 奈米電極陣列

因為 CMOS 奈米電極陣列中，每個垂直納米電極都配備了電流注入器和電壓放大器，可以持續向神經元注入電流，穩定細胞的電生理，這使神經元能夠在研究的時候保持活性。

在實驗中，研究團隊通過CMOS奈米電極陣列研究小鼠皮層神經元網路，在19分鐘內測量了來自1728個電極的細胞信號。 這個數位還能夠很容易地進行擴展，因為製造陣列密度更大、性能更強的半導體器件正是半導體行業所一直追求的。

目前，研究團隊正在研究小鼠的視網膜和嗅球/梨狀皮層中神經元，這些神經元由於功能不同，其組織形態也並不相同，有著各自的研究價值。 之後，研究團隊也會從這些週邊神經元逐漸探索大腦神經元的突觸連接。

在「粘貼」這一步，三星和哈佛大學的研究團隊則計劃當記錄下細胞內神經信號後，用專門設計的記憶體網路下載信號，構建自然神經網路。

▲ 通過計算機輔助分析「複製」的神經信號，再將信號「粘貼」到存儲網路中

研究團隊寫道，隨著 3D 堆疊、先進封裝等技術發展，存儲晶片有著承載記憶網路的潛力。 其中，快閃記憶體、磁性隨機存取記憶體（MRAM）、相變隨機存取記憶體（PRAM）和電阻式隨機存取記憶體（RRAM）4 種存儲晶元各具優點，被研究人員認為可用作存儲網路載體。

具體來說，研究人員將用計算機輔助分析程式來提取功能性突觸連接圖，然後用該圖構建、程式設計一個記憶網路。 由於一個神經元在大腦中約有1000個突觸，因此記憶網路應具有1000倍神經元的記憶體晶片。

對於記憶體來說，快速寫入並驗證記憶網路並不困難，當前 3D 快閃記憶體的寫入速度通常超過 100MB/s。 但對計算機輔助分析程序來說，即使是 4096 個通道在 19 分鐘里也會產生約 80G 的數據，隨著 CMOS 奈米電極陣列進一步擴展，其數據量也會有所提升。

研究人員也嘗試繞過計算機輔助分析，將每個矽基晶元和生物神經元一一對應，直接將連接圖下載到 RRAM 或 PRAM 網路上。 但由於離子通道的隨機性等原因，RRAM 和 PRAM 記憶體很難應用在大型網路中。

▲ 可承載自然神經網路的 3D 儲存晶片

03.未來或創建類腦存儲晶片，甚至可類比神經元生長變化

儘管實現起來還有很多挑戰，但這項研究是一項開創性的努力，旨在對大腦神經元進行重建。 截至目前，學界通過顯微鏡研究獲得的大腦資訊主要源自解刨圖，沒有對不同功能突觸的連接進行量化。

三星和哈佛大學研究團隊所進行的這項研究可以重現不同功能突觸的連接，還可展現離子通道、反饋延遲等其他神經元屬性。 理想情況下，該研究無需揭示神經元的工作原理，就像是對大腦的快照一樣獲得神經元連接和分佈。

三星稱，如果研究成功，研究人員可以創建一種接近大腦的存儲晶元。 該存儲晶元具備低功耗、輕鬆學習、適應環境，甚至包括自主性和認知能力等特性。

論文最後，研究團隊承認，該研究也存在一些理論上的缺陷。 比如大腦神經元會因為學習和生長而發生變化，但該研究採用固定的晶元承載神經元網路，無法跟蹤大腦神經元發生的緩慢變化。 未來，他們可以創建一個具有可塑性的自然神經網路，類比大腦神經元變化。

研究人員稱，他們不能保證能夠解決每一個挑戰，但相信可以通過這項研究突破神經擬態工程、神經科學和半導體等技術的界限。

▲ 論文的共同通訊作者（從左至右分別為：三星高等技術學院（SAIT）院士兼哈佛大學教授 Donhee Ham、哈佛大學教授朴洪坤、三星 SDS 總裁兼首席執行官 Sungwoo Hwang（前 SAIT 負責人）和三星電子副董事長兼 CEO Kinam Kim）

04.結語：研究或將加速相關神經元研究

隨著人工智慧技術的發展，推薦演算法、深度學習等應用迅速普及，機器視覺、AI 醫療、AI 晶片等相關新興賽道湧入了大量玩家。 無論是創企還是科技巨頭都在加快佈局，佔領新的市場。

但同時，腦科學在神經元類比等方面的進展並沒有人工智慧那麼大。 本次三星和哈佛大學的研究既為神經元連接研究提供了一種新的可能和方向，也有著巨大的應用前景。 這或許可以吸引更多地高校、企業加入，加速相關領域研究。

來源：《自然・電子》、三星電子官網