KAIST开发出一种基于与人脑信息处理方式相似的忆阻器（memristor）的集成系统。这一成果的意义在于，解决了传统计算机系统中数据处理装置与存储装置相互分离、在处理复杂数据时效率低下的缺点。
预计这一系统无需依赖远程云服务器，即可应用于多个领域，从能即时识别可疑活动的安防摄像头，到能够实时分析健康数据的医疗设备等。
（自左起）电气与电子工程系 Choi Sinhyun 教授、Yoon Youngkyu 教授、Jeong Hakcheon 硕博连读生、Han Seungjae 硕博连读生。KAIST 提供
View original imageKAIST表示，电气及电子工程系的 Choi Seonhyun 教授和 Yoon Youngkyu 教授共同研究团队开发出一款基于下一代类脑（神经形态）半导体的超小型计算芯片，该芯片在自我学习过程中甚至可以修正错误。
这款计算芯片的优势在于，能够通过自我学习和修正，克服以往类脑器件中难以解决的非理想特性所导致的误差。
联合研究团队开发的计算芯片的自学习能力，在实时图像处理方面达到了可与理想计算机仿真相媲美的精度，并已得到验证。
通过本次研究，联合研究团队首次在全球范围内开发出能够立即适应环境变化的、基于忆阻器（memristor）的集成系统，同时提出了突破既有技术局限的解决方案。
忆阻器是“存储器”和“电阻”的合成词，是一种下一代电器元件，其两端之间的电阻值会根据过去流过的电荷量和方向而决定。
提出这一解决方案的核心在于忆阻器这一下一代半导体器件。该器件的可变电阻特性可以替代神经网络中的突触作用，利用这一特性，就能够像脑细胞一样同时执行数据存储与运算。
在此基础上，联合研究团队设计出了具有高可靠性、可精确控制电阻变化的忆阻器，并通过自学习排除了复杂的校正过程，从而提升了系统效率。
联合研究团队强调，本次研究在实验层面验证了支持实时学习与推理的下一代类脑半导体基础集成系统的商业化可能性，具有重要意义。
展望未来，这项技术有望革新日常设备中使用人工智能的方式，使人工智能（AI）任务的处理过程无需依赖远程云服务器，而是能够在本地完成。
KAIST研究员 Jung Hakcheon 和 Han Seungjae 表示：“联合研究团队开发的系统，就像一个‘智能工作空间’，不再需要在书桌和资料柜之间来回奔走，而是把所有需要的东西都放在伸手可及之处”，并解释称：“这与大脑在同一处完成所有处理、极为高效的信息处理方式十分相似。”
另一方面，本次研究在韩国研究财团的下一代智能半导体技术开发项目、优秀青年研究项目，PIM人工智能半导体核心技术开发项目，以及信息通信企划评价院的韩国电子通信研究院研发支援项目等资助下完成。
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
