1 月 20 日消息，韩国科学技术院（KAIST）的研究团队成功开发出一种基于忆阻器（memristor）的集成『芯片』，该『芯片』能够模拟人脑处理信息的方式。这项研究由 KAIST 的教授 Shinhyun Choi 和 Young-Gyu Yoon 领导，相关成果已发表在《自然・电子学》（Nature Electronics）期刊上。
据 了解，这种新型计算『芯片』的突出特点在于其能够学习和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。研究团队通过实时图像处理实验证明，该『芯片』的准确性可与理想的计算机模拟相媲美。
这项研究的关键突破在于，他们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。这一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，能够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。然而，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，例如低良率、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（forming-free）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。
研究指出，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，从而减少对远程云『服务器』的依赖，使设备更快、更安全且更节能。KAIST 的研究人员 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。他们进一步解释说，这一系统模拟了大脑处理信息的方式，所有任务都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。
