新型可编程电阻器诞生，使制造纳米级设备成为可能

　　人的大脑能够同时学习和记忆大量信息而又不需要太多能量的能力，很多研究机构都希望制造出类似于大脑甚至超越大脑的计算机。在人脑中，学习是由神经元之间的连接(突触)的增强和减弱而发生的。深度神经网络一直采用这种策略，实现模拟机器学习。

　　美国麻省理工学院研究人员组成的多学科团队近日开发出一种由无机磷硅玻璃(PSG)制成的电阻器，它将人工模拟突触的运行速度大大提高，比以前的版本快100万倍，也比人脑中的突触快约100万倍。

　　太阳能光伏行业晶体硅电池的制作过程中会产生含有较高磷浓度的硅氧化层，被称为PSG。PSG能够实现超快质子运动，还可承受非常强的脉冲电场。只需向其施加更大的电压，质子的移动速度将倍增。因为质子不会损坏材料，电阻器可运行数百万次循环而不会损坏。

　　研究人员用PSG做可编程质子电阻器的电解质材料，这些电阻以纳米为单位排列成阵列，就像棋盘一样。与早期版本的设备中使用的材料不同，新材料与硅制造技术兼容，由PSG制成的可编程电阻器不仅提高了神经网络训练的速度，同时也降低了执行训练所需的成本和能量。这一变化使制造纳米级设备成为可能，并可能为集成到深度学习应用的商业计算硬件铺平道路。

　　该研究是电阻存储器件的重大突破，现在研究人员已经证明了这些可编程电阻器的有效性，后续研究人员将会对其重新设计并进行大批量产，以应用于自动驾驶汽车、安全检测或医学图像分析等诸多领域。