人類的大腦有著不可比擬的優點，它功耗低、學習很快、環境適應能力強，更重要的是具有自主和認知。這些優點的背后在于，人腦擁有至少1000億個神經元，數量約等于銀河系中的恒星數。這些神經元又構成10^15個神經連接，將復雜相連的神經首尾相接，總長度超過18萬公里。 

對大腦連接圖譜的了解是對其進行逆向工程的關鍵。而始于20世紀80年代的神經形態工程，其目的就是想在一個硅芯片上模仿這樣的神經網絡結構和功能。

截至目前，科學家們對大腦圖譜仍掌握有限。因此，神經形態工程的目標也已經退而求其次，包括設計一個“受大腦啟發”的芯片，而不是嚴格地模仿它。近日，哈佛大學的研究人員和韓國三星電子的研發團隊在國際學術期刊《自然?電子學》（Nature Electronics）上聯合發表了一篇行業展望（Perspective）文章，提出了一種模擬人腦芯片的愿景，將大腦神經元連接圖“復制、粘貼”到高密度三維存儲網絡上的可能。

該文章題為《基于復制和粘貼大腦的神經形態電子》（Neuromorphic electronics based on copying and pasting the brain）。該文章的作者為哈佛大學約翰·保爾森工程與應用科學學院教授、三星電子高級技術研究院研究員Donhee Ham，哈佛大學物理系教授Hongkun Park ，三星SDS首席執行官Sungwoo Hwang，三星電子副會長兼首席執行官Kinam Kim，四人也均為文章的共同通訊作者。

左起：Donhee Ham、Hongkun Park、Sungwoo Hwang、Kinam Kim。三星電子官網

在這篇文章中，作者們探索了這些目前神經形態工程方法的可能性和局限性，然后為神經形態電子學提供了一個愿景，通過先進的神經科學工具和最先進的記憶技術的結合，使該領域回到其最初的目標——逆向工程大腦。

他們指出，目前的神經形態電子學一般分為兩類，即人工神經網絡(ANNs)驅動和大腦自然神經網絡(NNN)驅動。人工神經網絡是機器學習的框架，已經產生了一系列強大的人工智能(AI)應用。人工神經網絡需要精確的計算，因此最好采用數字方式實現。 

自然神經網絡則是自然智能的基礎，由電化學反應提供動力。作者們指出，與人工神經網絡相比，自然神經網絡擅長不同的任務：它們可以從很少或條件很差的數據中輕松學習，可以適應環境，具有自主和認知能力?！斑@些差異表明，我們至今仍知之甚少的自然神經網絡的組織原則與人工神經網絡有很大的不同。”

在當前技術限制下，作者們認為，構建一個具有獨特計算能力，以及最終具有自主和認知的自然神經網絡電路從根本上受到了挑戰，而提供類似大腦的智能的硅芯片仍然是一個遙遠的前景。

作者們提出的愿景的精髓可以總結為“復制”和“粘貼”兩個詞。他們提出，利用Donhee Ham和Hongkun Park團隊開發的CMOS納米電極陣列（CMOS nanoelectrode array，CNEA）“復制”大腦神經元連接圖，并將其“粘貼”到三星電子的高密度三維固態存儲網絡上。

上述CMOS納米電極陣列由哈佛大學研究團隊此前完成，去年，該項研究發表于《自然·生物醫學工程》。研究團隊在半導體芯片上加工出了4096個記錄和刺激電極的CMOS納米電極陣列，芯片上還有4096個電子通道，可以同時記錄數千個神經元的突觸連接。 

研究團隊稱，該納米電極陣列能有效地進入大量神經元，高靈敏度地記錄神經元電信號。這些大量并行的細胞內信號記錄可以為神經元連接圖提供信息。因此，可以從這些記錄中提取或“復制”神經元連接圖譜。

“復制”完成后，研究團隊設想，可以將神經元連接圖“粘貼”到非易失性存儲器（NVM）中，比如我們日常生活中使用的固態硬盤(SSD)的閃存，或“新”存儲器，如電阻隨機存取存儲器(RRAM)等。作者們認為，這些存儲芯片均可用作存儲網絡載體。 

更進一步的是，作者們在這篇論文中還提出了一種快速將神經元連接圖“粘貼”到存儲網絡上的策略。他們提出，由特殊設計的非易失性存儲器組成的網絡，在細胞內記錄信號的直接驅動下，可以學習和表達神經元連接圖。這是一種直接將大腦神經元連接圖下載到內存芯片上的方案。 

作者們同時指出，人類大腦估計至少有1000億個神經元，而它們形成的突觸連接更是神經元數量的1000倍以上。因此，最終用于“復制”的神經形態芯片，將具備存儲100萬億個虛擬神經元和突觸數據的容量。 

三星電子方面稱，三星電子主導的“3D集成技術”開創了存儲器產業的新時代，可以使得在一個芯片上集成如此多的存儲芯片成為可能。三星電子計劃，利用在半導體制造領域的領先經驗，繼續進行神經工學研究，以擴大在下一代人工智能半導體領域的領先地位。 

Donhee Ham表示，“我們提出的愿景非常宏大，但朝著這樣一個宏偉的目標努力，我們將推動機器智能、神經科學和半導體技術的邊界?！?/p>