神经网络计算的未来可能比我们预计的要糟糕一些——不是用电的固体芯片，而是泡在水里。
近日，哈佛大学工程与应用科学学院（SEAS）与初创公司 DNA Script 组成的团队成功开发了一种基于水溶液中离子运动的处理器。
物理学家们认为，由于更接近大脑传输信息的方式，因此这种设备可能是类脑计算的下一步。
「水溶液中的离子电路使用离子作为电荷载体进行信号处理，」研究人员在论文中表示。「我们提出了一种水性离子电路…… 这种能够进行模拟计算的功能性离子电路，是朝着更复杂的水性离子学迈出的一步。」
该研究被发表在了最近一期材料科学期刊《Advanced Materials》上。
论文：https://onlinelibrary.wiley.com/doi/epdf/10.1002/adma.202205096
我们知道，从智能手机到云服务器中的芯片是通过固体半导体操纵电子来处理计算任务的，这和生物工作的方法不同。
大脑中信号传输的主要部分是称为离子的带电分子在液体介质中的运动。尽管大脑令人难以置信的处理能力很难人工复制，但科学家们认为计算机可以使用类似的系统：用水溶液承载离子。
由于介质改变了，这种方法将比传统的基于硅的计算慢，但它可能具有一些有趣的优势。例如离子可以从多种分子中产生，每个分子具有不同的特性，可以以不同的方式加以利用。
但首先，科学家需要证明它真的能发挥作用。
哈佛大学物理学家 Woo-Bin Jung 带领的团队一直在这个方向努力。构建计算机的第一步是设计功能性离子晶体管，这是一种开关或增强信号的器件。他们最近的进展涉及将数百个晶体管组合成一个离子电路。
该晶体管由电极的「靶心」排列组成，中心有一个小圆盘形电极，周围有两个同心环形电极。这与醌分子的水溶液接触。使用时，施加在中央圆盘上的电压会在醌溶液中产生氢离子电流。同时，两个环形电极调节溶液的 pH 值，从而增加或减少离子电流。
芯片（左），中央（中）有一个由数百个晶体管（右）组成的阵列。
醌是含有共轭环己二烯二酮或环己二烯二亚甲基结构的一类有机化合物，基于这种物质的晶体管执行由环对门控设置的「权重参数与磁盘电压的物理乘法，产生离子电流的答案。
你可能会知道「生物计算机」的概念，指利用生物材料去取代当前计算机使用的半导体芯片和存储介质，被认为是量子计算之外，计算机未来的另一大方向。不过此前的很多研究集中在单个离子二极管和晶体管，而不是包含许多此类设备的电路。
当前对算力需求极高的神经网络严重依矩阵乘法运算，其中涉及多次乘法。因此，该团队设计了 16×16 的晶体管阵列，每个都能够进行乘法计算，以产生可以执行矩阵乘法的离子电路。它们在互补金属氧化物半导体 (CMOS) 电子芯片的表面上实现并由其操作。
研究人员通过执行物理或模拟乘积累加 （MAC）操作来展示这种阵列级离子电路的实用性。基于物理现象的模拟 MAC 操作——对比基于许多数字逻辑门和布尔代数的数字 MAC 操作，新的方法对降低人工神经网络的功耗带来了方向。
离子晶体管的示意。
由于每个交叉点电导都作为网络突触权重起作用，馈入阵列行的输入电压通过欧姆定律乘以权重，并根据基尔霍夫定律在每列中累积所得电流。因此，每列电流是物理上的在输入数据向量和列的突触权重向量之间产生点积。
在每个离子晶体管中，施加的电压 Vin 的电流 Iout 由 Ig 门控，我们可以找到 Vin 的一个区域，其中 Iout = W × Vin，比例常数或权重 W 可以通过 Ig 调整，即在该区域中，离子晶体管在权重和输入电压之间进行物理乘法。
乘积累加操作。
「矩阵乘法是人工智能神经网络中最常用的计算，我们的离子电路以完全基于电化学机械的模拟方式在水中执行矩阵乘法」，Woo-Bin Jung 说道。
当然，这项技术目前还存在很大的局限性，其中包括操作必须按顺序执行，而不是同时执行，这大大减慢了方法的速度。
然而，研究团队认为下一步的工作不是提高速度，而是在系统中引入更广泛的分子。到目前为止，该团队只使用了三四种离子物质来实现水性离子晶体管中的门控和离子传输，例如氢和醌离子。该研究试图完成更复杂的离子计算，让电路处理更复杂的信息。
研究团队指出：这项研究最终的目标不是用离子技术与电子产品竞争或取代电子产品，而是以混合技术的形式让二者取长补短。
以上是未来AI计算的方向，是「水芯片」？的详细内容。更多信息请关注PHP中文网其他相关文章！
