韩国研究团队开发出类脑芯片，能够自主学习并纠正错误 模拟人脑处理信息

韩国科学技术院的研究团队成功开发了一种基于忆阻器的集成芯片，这种芯片能够模拟人脑处理信息的方式。研究由教授Shinhyun Choi和Young-Gyu Yoon领导，成果发表在《自然・电子学》期刊上。

这种新型计算芯片的特点在于它能够学习并纠正由非理想特性引起的错误，这是现有神经形态设备面临的主要挑战之一。例如，在处理视频流时，芯片可以自动将移动物体与背景分离，并随着时间的推移不断提升性能。实验显示，该芯片的准确性可与理想的计算机模拟相媲美。

研究的关键突破在于不仅开发出了可靠的类脑组件，还构建了一个实用且高效的系统。创新的核心是一种名为忆阻器的下一代半导体器件。忆阻器通过其可变的电阻特性模拟神经网络中突触的功能，同时实现数据存储和计算，类似于人脑细胞的工作方式。忆阻器精确控制电阻变化，通过自学习消除了复杂补偿的需求，从而创建了一个高效的系统。

基于忆阻器的平台能够在模拟域中执行并行计算，因此可以实现紧凑且节能的AI边缘计算系统。现有的忆阻器阵列系统在实现实时AI算法和设备端学习方面面临可靠性问题，如低良率、一致性差和耐久性问题。KAIST的研究团队通过采用界面型氧化钛忆阻器，成功解决了这些问题。这种忆阻器具有高可靠性、高线性度、无需预形成和自整流特性，能够在无需补偿或预训练的情况下，通过自校准运行AI算法。

这项技术将改变AI在日常设备中的集成方式，使AI任务能够在本地处理，减少对远程云服务器的依赖，使设备更快、更安全且更节能。研究人员Hakcheon Jeong和Seungjae Han表示，这一系统就像一个智能工作空间，所有资源都可以轻松访问，无需在多个位置之间来回切换。他们解释说，这一系统模拟了大脑处理信息的方式，所有任务可以在一个位置高效完成。

该芯片已准备好部署于多种设备中，例如能够即时检测可疑活动的智能安防摄像头，以及实时分析健康数据的医疗设备。