科学家们创造了一种能够学习、纠正错误和处理人工智能任务的计算芯片。
传统计算机系统通常使用单独的组件进行数据处理和存储，这在处理复杂信息（如人工智能）时可能效率较低。来自KAIST的研究团队推出了一种基于记忆电阻器的集成系统，模拟大脑的信息处理。这项进展适用于各种设备，如能够迅速检测可疑行为的智能安防摄像头，无需依赖云服务器，以及用于实时健康数据分析的医疗设备。
1月17日，KAIST（在校长李光炯的领导下）宣布，一个由电气工程学院的崔新贤教授和尹榮圭教授组成的协作研究团队开发出了一个超紧凑的神经形态半导体芯片，能够独立学习和错误纠正。
这款芯片之所以突出，是因为它能够学习和纠正与非最佳特性相关的错误，这些错误曾困扰神经形态设备。例如，在处理视频信号时，这款芯片不仅学习区分运动物体和背景，而且随着时间推移在这项任务上的表现越来越好。
它的自学习能力已经通过实现实时图像处理准确度与理想计算机仿真相当得到了验证。研究团队的重大成就在于创造了一个可靠和实用的系统，超越了仅开发类脑组件的范畴。
该团队设计了全球首个基于记忆电阻器的集成系统，能够迅速适应变化的环境，提出了一种突破性的解决方案，解决了当前技术的限制。
这一创新的核心是一种被称为记忆电阻器*的下一代半导体设备。该设备的可变电阻功能类似于神经网络中的突触，能够同时进行数据存储和计算，类似于我们大脑细胞的功能。
*记忆电阻器：一个结合了“记忆”和“电阻器”的术语，描述了一种未来一代电气设备，其电阻取决于其端子之间的电荷流历史。
研究团队成功制造了一种高度可靠的记忆电阻器，能够准确管理电阻变化，开发出一种有效的系统，通过利用自学习消除了对复杂补偿方法的需求。这项研究至关重要，因为它通过实验确认了商业化下一代基于神经形态半导体的集成系统的可行性，该系统能够实现实时学习和推理。
这一创新将改变人工智能在日常设备中的应用方式，允许本地处理——不依赖于远程云服务器，从而实现更快、更安全和更节能的操作。
开发这一技术的KAIST研究人员郑学天和韩承宰解释道：“这个系统运作像一个智能工作空间，所有内容都容易访问，无需在办公桌和文件柜之间来回移动。这让人想起我们大脑高效地在一个地方一次性处理信息的方式。”
团队包括KAIST电气工程学院的郑学天和韩承宰，他们是综合硕士和博士项目的学生，研究结果于2025年1月8日在线发表于国际期刊《自然电子》上。
这项研究得到了韩国国家研究基金会的下一代智能半导体技术开发项目、优秀新研究者项目和PIM AI半导体核心技术开发项目的支持，以及信息与通信技术规划与评估研究院的电子与通信研究院的研究与开发支援项目。
