利用半导体噪声，人工神经元实现类脑计算

在电子设备中，信号出现无规律波动，通常被称作 “噪声”。噪声会干扰信息的准确处理，因此传统半导体技术大多将噪声视作需要降低或消除的对象。但人脑内的神经元，即便接收到完全相同的刺激，每次的响应也不会完全一致。神经元内部微小的状态变化，会改变神经元触发脉冲的时机与频率，这种概率式运行机制，正是人脑关键的信息处理特征之一。

受该生物特性启发，韩国科学技术院（KAIST）的研究人员开发出新一代半导体技术。该技术不去消除忆阻器产生的电流噪声，而是将噪声调节至目标水平，并利用噪声处理各类信号。相关研究成果发表于《Advanced Materials》期刊，论文标题：《噪声可调忆阻器：面向频率选择性时间序列信号编码的可编程概率神经元》。

由材料科学与工程系Kyung Min Kim教授带领的KAIST研究团队，研发出全新神经形态神经元技术。该技术利用半导体器件自身产生的噪声完成信息处理，可对不同频段的时间序列信号实现选择性编码。

生物神经元的随机性、可编程性，以及基于忆阻器噪声实现的可编程概率神经元（PPN）仿真(a) 生物神经元示意图，离子通道活动带来随机性与可编程特性；(b) 随机性特征：刺激增强（下图），神经元发放率随之上升（上图）；(c) 可编程特性：输入强度变化对应的发放率曲线，由膜电阻（Rm）变化产生；(d) 本文提出的概率神经元电路，利用Ru/TaOx/Pt忆阻器输出的噪声信号，生成随机脉冲信号；(e) 神经元电路在不同输入电压（Vin）下的概率脉冲输出；(f) 两种典型电阻状态下噪声源对比，体现噪声随电阻变化的特性；(g) 该器件可调制脉冲发放概率随输入频率的变化关系。

一般而言，半导体产生的噪声被视为精准信号处理的阻碍。绝大多数电子设备在设计时，都会尽可能降低或消除噪声。但人脑的工作模式截然不同。大脑神经细胞即神经元，受内部概率性波动影响，面对相同刺激，响应结果并不固定。这种不规则特性，反而帮助大脑灵活应对各类场景与感官信号。

本研究使用了忆阻器。忆阻器是一类半导体器件，受电刺激会改变自身电阻状态，并且能够记住该电阻状态。此前，忆阻器产生的电流噪声，大多用于生成不可预测随机数，或是用于概率计算。

但过往研究大多直接利用忆阻器固有的随机性，尚未充分实现可按需调节概率响应特性的技术。

本研究的核心发现：改变忆阻器的电阻状态，其电流噪声的幅值与行为特征也会随之改变。预先设定忆阻器电阻状态，即便输入信号不变，器件产生脉冲的概率、响应区间也可以发生改变。基于这一原理，研究团队实现了可编程概率神经元（PPN）。它不再把噪声简单当作不稳定干扰，而是将噪声作为可按需调节的信息处理资源。

该人工神经元可以根据输入信号的变化速率（也就是信号频率），产生差异化响应。仅改变忆阻器的电阻状态，同一套电路就可以切换工作模式：对赫兹（Hz）量级的人体低速活动信号保持高灵敏度，或是对千赫兹（kHz）量级的高速语音信号灵敏响应。Hz、kHz是表征信号每秒重复次数的单位，1千赫兹等于1000赫兹。

简单来说，单个人工神经元，可以根据待处理信号的快慢完成重构。处理人体运动这类变化缓慢的信号时，适配低速变化；处理语音这类快速变化信号时，则可以调整状态，高效捕捉短促快速的信号变化。

研究团队采用不同频段信号完成技术验证。这套系统对赫兹区间人体活动信号、千赫兹区间语音信号完成编码与分类，人体活动识别准确率达94.8%，语音识别准确率达到95.0%。

Kyung Min Kim教授表示：“本研究的意义在于证明，忆阻器噪声不必被视作误差或不稳定现象，它可以被当作可调的信息处理资源。” 他补充道：“同一硬件可以重构，适配不同速度、不同频率的信号，该技术有望应用于未来低功耗边缘端神经形态系统的信号处理。”