5月12日，清華大學微電子所錢鶴、吳華強課題組在《自然通訊》（Nature Communications）在線發表了題為 “運用電子突觸進行人臉分類”（“Face Classification using Electronic Synapses”）的研究成果，將氧化物憶阻器的集成規模提高了一個數量級，首次實現了基于1024個氧化物憶阻器陣列的類腦計算。該成果在最基本的單個憶阻器上實現了存儲和計算的融合，采用完全不同于傳統“馮·諾依曼架構”的體系，可以使芯片功耗降低到原千分之一以下。

類腦計算示意圖

在人工智能日益火熱的今天，由于“馮·諾依曼架構”存在“存儲墻瓶頸”，現有計算平臺無法高效實現相關算法，功耗成為制約因素。相比之下，人腦可以快速、低功耗地完成各種學習任務。人腦中大約有1000億個神經元，每個神經元之間通過成千上萬個神經突觸連接起來，構成復雜的神經網絡。人腦的突觸能同時進行記憶和計算，這與“馮·諾依曼架構”存在著顯著不同。2008年憶阻器的發現，可以將存儲和計算在同一個器件實現，憶阻器因此被認為是最具潛力的電子突觸器件。通過在器件兩端施加電壓，可以靈活地改變其阻值狀態，從而實現突觸的可塑性。此外，憶阻器還具有尺寸小、操作功耗低、可大規模集成等優勢。因此，基于憶阻器所搭建的類腦計算硬件系統具有功耗低和速度快的優勢，成為國際研究熱點。

清華微電子所錢鶴、吳華強課題組的研究基于電子突觸陣列搭建了神經網絡硬件系統的原型，并提出了與新型硬件架構相匹配的操作方式，用來實現在線學習，以滿足不同應用場景的需求。論文采用耶魯大學人臉圖片庫（Yale Face）實驗驗證了系統人臉識別功能。實驗表明，該原型系統達到了與現有CPU接近的識別率和泛化能力，相較于現有的基于“馮·諾依曼架構”的Intel 至強（Xeon） Phi處理器，該原型系統具有1000倍以上的能耗優勢。

近年來，錢鶴、吳華強課題組致力于類腦計算芯片研究，尤其是基于氧化物憶阻器的電子突觸器件的制備和優化，以及基于憶阻器件的神經網絡算法的硬件系統實現。課題組在《納米快報》（Nano Letters），《先進材料》（Advanced Materials），《科學報告》（Scientific Reports）等期刊已發表多篇論文。

清華大學微納電子系博士生姚鵬是該論文的第一作者，清華大學微電子所吳華強副教授是該論文的通訊作者。該研究工作是與斯坦福大學的合作成果，并得到了北京市未來芯片技術高精尖創新中心、國家重點研發計劃、自然科學基金項目等支持。