聲波賦能神經形態芯片模擬人腦：聲學突觸性能優于傳統電子人工智能硬件

類腦計算通過模擬人腦的工作機制，能耗遠低于傳統電子人工智能芯片。但即便是目前最先進的類腦器件，結構依然十分簡易，僅能復刻人類神經元極小一部分連接通路。

一項全新研究表明，借助聲波技術打造的類腦器件，能更逼真地模擬生物神經元，運行速度更快，能效也優于傳統純電子類腦硬件。

亞利桑那大學圖森分校材料科學與工程、電氣與計算機工程助理教授Xiaodong Yan表示：“對于需要融合海量特征的任務，例如圖像識別、感知信號處理、數據分析等，這項技術能讓未來類腦硬件體積更小巧、并行處理能力更強、運算效率更高。”

人腦依靠突觸（即神經元之間的連接通路）同步完成運算與信息存儲，受此啟發，神經形態器件通常將計算和存儲功能集成一體。傳統芯片需要在處理器與存儲器之間來回傳輸數據，而這種一體化設計能夠大幅削減傳輸能耗與耗時。

單個人類神經元可通過數千個突觸與其他細胞建立連接；小腦中的浦肯野細胞更是擁有多達十萬個突觸（https://dana.org/resources/neurotransmission-the-synapse/）。Yan表示，這種超高連通性讓每一個人腦神經元都能“整合多維度信息、完成對比分析，并根據不同場景做出差異化響應”。

與之形成對比的是，絕大多數傳統神經形態器件本質上僅等效于“單個人工突觸”。如果想要搭建具備與人腦神經元同等突觸數量的人工神經元，只能將大量獨立器件通過線路拼接組合。Yan稱：“這種方案會帶來布線增多、能耗上升、硬件結構復雜度大幅提高等一系列問題。”

近期，科研人員研發出一類聲學器件，可利用聲波相位編碼多組數值。這類相位比特（φ比特）能夠搭建類量子邏輯門，支撐并行計算。傳統比特僅能代表0或1兩種狀態，每一個比特都需要獨立物理單元承載；而單個φ比特可同時表征多組變量，全部信息共存于同一空間內。

需要明確的是，基于φ比特開展的運算并非真正的量子計算，只是經典系統對量子計算體系的模擬等效方案。

如今，Yan團隊研發出集成多組φ比特的聲學突觸。該結構以相對簡潔的硬件架構實現多任務同步運算，相較傳統電子器件功耗更低。

美國新墨西哥州阿爾伯克基市桑迪亞國家實驗室計算研究中心研究員Brad Aimone表示：“借助全新物理機制提升復雜計算效率，這一研究方向始終極具吸引力。”

Aimone并未參與本次研究，他評價道：“該技術為后續研究開辟了諸多值得深入探索的全新方向。”

科研團隊研發的這套新器件由三根鋁棒構成，每根鋁棒長約60厘米、寬1.25厘米，棒體之間通過環氧樹脂粘接固定。研究人員利用一層薄蜂蜜，將超聲發射換能器與超聲傳感器粘貼在鋁棒兩端。

Yan團隊利用聲波對圖像、圖像分類標簽等數據流進行編碼。超聲換能器沿鋁棒發射聲波，聲波通過粘接的環氧樹脂產生聲學耦合作用；器件內的超聲傳感器隨后采集該聲學耦合作用產生的聲信號。

研究人員發現，他們可以對相位比特（φ比特）的相位進行調控，以此模擬生物突觸隨時間增強或減弱連接強度的特性，而這種特性正是記憶能夠留存或消退的核心原因。該特性被稱作突觸可塑性，依托這一特性，研究人員能夠對聲學突觸開展訓練，使其完成各類計算任務。

實驗中，科研人員對一套拓撲聲學突觸搭配三枚數字人工神經元組成的系統進行測試。（拓撲聲學是一門新興學科，它挖掘聲波此前未被發掘的物理特性，催生出全新的聲波調控手段，例如可實現聲波近乎無能量損耗傳輸的聲學電路）。Yan解釋道：“在拓撲聲學突觸內部，聲波之間的相互作用會在信號最終讀出前完成信息轉換與整理。”

在將150朵花卉劃分至三類鳶尾花品種的圖像分類任務中，這款新型器件性能優于傳統計算機芯片搭建的多層感知器（MLP）神經網絡。 該聲學器件僅等效單枚模擬突觸，僅依靠39個參數就實現了96.7%的最終識別準確率，且達到最高精度的收斂速度比多層感知器快20%。研究人員表示，若要實現同等識別精度，多層感知器至少需要9個人工神經元，所需參數量也會大幅增加。

綜合測算，研究人員預估這款新型器件的最大功耗僅為當前業界頂尖電子類神經形態硬件的十分之一。Yan表示：“未來的類腦計算系統有望融合物理波動動力學與傳統計算架構，實現能效更高的信息處理。”

除此之外，科研團隊指出，該器件還能模擬一類關鍵信號分子 —— 神經調質的調控作用。多巴胺、血清素這類神經調質可以“改變突觸靈敏度、調節響應快慢，或是改變突觸的學習強度”。Yan解釋：“這種多維度調控能力讓大腦能夠適配各類生理狀態，比如注意力集中、獲得獎賞、承受壓力、或是處于不同學習階段。”

單個人類生物突觸可同時受多達10種神經調質共同調控。但在傳統神經形態硬件中復刻這套調質調控機制難度極高，通常需要大幅提升硬件設計復雜度。

但研究人員發現，對于聲學突觸系統，只需額外增加一根鋁棒，就能模擬多種神經調質調控過程：既包含快速響應機制（例如學習過程中多巴胺對突觸強度的瞬時調節作用），也能復現緩慢、長效的生理反應（如長期壓力帶來的持續影響）。

Aimone評價道：“依靠神經調質，人腦同一套神經回路可根據不同場景完成多樣化任務。現行人工智能體系與之截然不同，不同任務必須搭建獨立神經網絡。未來無需依靠超大規模網絡，小型網絡借助等效神經調質調控機制，就能隨場景動態自適應，這一前景極具價值。”

該研究成果已于6月12日在線發表于Science Advances期刊：https://www.science.org/doi/10.1126/sciadv.aec6633。