纳米线的突触速度比自然界快3万倍

人工智能系统越来越受到用于实现它们的硬件的限制。现在出现了一种新的超导光子电路，它模仿了脑细胞之间的联系——燃烧的能量仅为人类脑细胞的0.3%，而运行速度约为人类脑细胞的3万倍。

在人工神经网络，被称为神经元的组件被输入数据并合作解决问题，例如识别人脸．神经网络反复调整突触神经元之间的联系决定了最终的行为模式是否能更好地找到解决方案。随着时间的推移，网络会发现哪些模式最适合计算结果。然后，它采用这些模式作为默认值，模仿人类大脑的学习过程。

虽然人工智能系统越来越多地发现现实世界的应用程序在美国，考虑到用于运行它们的硬件，它们面临着许多重大挑战。研究人员研究的解决这个问题的一个方法是开发大脑启发的“神经形态”电脑硬件。

“当我环顾四周，看到所有被发掘出来的概念时，我真的觉得我们有所发现。”
-Jeffrey Shainline, NIST

例如，神经形态微芯片组件可能会“斯派克，或者在给定时间内接收到一定量的输入信号后才产生输出信号，这一策略更接近于模拟真实的生物神经元的行为。由于很少触发峰值，这些设备比典型的人工神经网络传输的数据要少得多，原则上需要的功率和通信带宽也要少得多。

然而，神经形态硬件通常使用传统的电子器件，这最终限制了它们的复杂性和速度。例如，每个生物神经元都可以拥有数万个突触，但神经形态设备却很难将人造神经元与其他神经元连接起来。一个解决方案是多路复用，在这种情况下，单个数据通道可能同时携带多个信号。然而，随着芯片变得越来越大、越来越复杂，计算速度可能会变慢。

在一项新的研究中，研究人员探索了使用光发射器和接收器来连接神经元。光链路或波导原则上可以以光速通信速率将每个神经元与数千个其他神经元连接起来。

科学家们使用了能够探测单光子的超导纳米线设备。这些光信号是最小的，构成了能源效率的物理极限。

这幅艺术家的渲染图展示了模拟突触(大脑中神经元之间的界面点)的超导电路如何被用于创造未来的人工光电神经元。J. Chiles和J. Shainline/NIST

执行光子神经计算通常是棘手的，因为通常需要能长时间捕获光的光学腔。制造这样的空腔，并将它们与许多波导连接起来，在集成微芯片上实现是非常具有挑战性的。

相反，研究人员开发了混合电路，其中每个探测器的输出信号被转换为大约2皮秒长的超快电脉冲。这些脉冲每一个都包含一个单一的磁波动，或磁通量子的网络内超导量子干涉装置，或鱿鱼。

“我们多年来一直在做理论工作，试图确定能够实现神经形态计算物理极限的技术原理，”他说Jeffrey Shainline他是NIST的一名研究员。“对这一目标的追求使我们有了这个概念——将单光子水平的光通信与约瑟夫森结执行的神经计算结合起来。”

鱿鱼由一个或多个组成约瑟夫森j功能一种由绝缘薄膜隔开的超导材料夹层。如果通过约瑟夫森结的电流超过某一阈值，SQUID就开始产生通量子。

在感应到光子后，单光子探测器产生通量子，在SQUID的超导回路中以电流的形式收集。这种储存的电流作为一种记忆形式，提供了一个神经元产生脉冲次数的记录。

“令人惊讶的是，让电路工作起来相当容易，”Shainline说。“在设计阶段，制造和实验花费了相当多的时间，但电路实际上在我们第一次制造它们时就工作了。这预示着此类系统未来的可扩展性。”

科学家们将单光子探测器与约瑟夫森结集成在一起，创造了一个超导突触。他们计算出突触的峰值频率超过1000万赫兹，同时每个突触事件消耗大约33阿焦的能量(1阿焦是10)^-18年焦耳)。相比之下，人类神经元的最大平均峰值速率约为340赫兹粗略消费10 femtojoules每个突触事件(飞焦为10^-15年焦耳)。

Shainline说:“当我看到周围所有被挖掘出来的概念时，我真的觉得我们在做一些事情。”“这可能会带来深刻的变革。”

此外，科学家们可以将设备的输出从数百纳秒到毫秒不等。这意味着这些硬件可以与一系列系统交互，从高速电子设备到与人类更轻松的交互。

在未来，研究人员将把他们的新突触与芯片上的光源结合起来，创造出完全集成的超导神经元。

Shainline说:“这方面还存在很大的挑战，但如果我们能把最后一部分整合起来，我们有很多理由认为，结果可能是一个具有巨大人工智能能力的计算平台。”网上亚博Ayabo2016

科学家们最近详细介绍了他们的发现在线杂志电子性质．