5月12日，清华大学微电子所钱鹤、吴华强课题组在《自然通讯》（Nature Communications）在线发表了题为 “运用电子突触进行人脸分类”（“Face Classification using Electronic Synapses”）的研究成果，将氧化物忆阻器的集成规模提高了一个数量级，首次实现了基于1024个氧化物忆阻器阵列的类脑计算。该成果在最基本的单个忆阻器上实现了存储和计算的融合，采用完全不同于传统“冯·诺依曼架构”的体系，可以使芯片功耗降低到原千分之一以下。

类脑计算示意图

在人工智能日益火热的今天，由于“冯·诺依曼架构”存在“存储墙瓶颈”，现有计算平台无法高效实现相关算法，功耗成为制约因素。相比之下，人脑可以快速、低功耗地完成各种学习任务。人脑中大约有1000亿个神经元，每个神经元之间通过成千上万个神经突触连接起来，构成复杂的神经网络。人脑的突触能同时进行记忆和计算，这与“冯·诺依曼架构”存在着显著不同。2008年忆阻器的发现，可以将存储和计算在同一个器件实现，忆阻器因此被认为是最具潜力的电子突触器件。通过在器件两端施加电压，可以灵活地改变其阻值状态，从而实现突触的可塑性。此外，忆阻器还具有尺寸小、操作功耗低、可大规模集成等优势。因此，基于忆阻器所搭建的类脑计算硬件系统具有功耗低和速度快的优势，成为国际研究热点。

清华微电子所钱鹤、吴华强课题组的研究基于电子突触阵列搭建了神经网络硬件系统的原型，并提出了与新型硬件架构相匹配的操作方式，用来实现在线学习，以满足不同应用场景的需求。论文采用耶鲁大学人脸图片库（Yale Face）实验验证了系统人脸识别功能。实验表明，该原型系统达到了与现有CPU接近的识别率和泛化能力，相较于现有的基于“冯·诺依曼架构”的Intel 至强（Xeon） Phi处理器，该原型系统具有1000倍以上的能耗优势。

近年来，钱鹤、吴华强课题组致力于类脑计算芯片研究，尤其是基于氧化物忆阻器的电子突触器件的制备和优化，以及基于忆阻器件的神经网络算法的硬件系统实现。课题组在《纳米快报》（Nano Letters），《先进材料》（Advanced Materials），《科学报告》（Scientific Reports）等期刊已发表多篇论文。

清华大学微纳电子系博士生姚鹏是该论文的第一作者，清华大学微电子所吴华强副教授是该论文的通讯作者。该研究工作是与斯坦福大学的合作成果，并得到了北京市未来芯片技术高精尖创新中心、国家重点研发计划、自然科学基金项目等支持。