缪峰：用类脑计算，让AI算力加速“奔跑”

推开南京大学（以下简称南大）物理学院一间实验室的门，只见一辆小车沿着地面黑白相间的轨道中央匀速自动行驶，时而环行、时而转弯，从容自若。

小车“自动行驶”的奥秘隐藏在车顶一块指甲盖大小的类脑处理器上。“类脑处理器的并行计算能力，可以直接处理传感器收集的模拟信号并驱动小车。小车的响应速度可以提高约1000倍，而功耗可以降低100—1000倍。”5月28日，南大教授缪峰接受科技日报记者采访时，用这番场景，解释类脑计算的潜力。

人脑的神经结构具有强大的信息处理能力，即使做大量的脑力活动，也只有20瓦左右的功耗。缪峰研究的主要内容，就是模拟人脑神经元的结构来设计类脑器件和电路，以提升算力、降低功耗。十年来，缪峰团队利用“原子乐高”结构，设计出耐高温忆阻器、弹道雪崩探测器件、室温高灵敏红外探测器等器件，并获得包括中国物理学会“黄昆物理奖”，国际先进材料学会IAAM奖章等奖项。

“前不久，习近平总书记给南大留学归国的青年学者回信，让我倍感振奋，我会牢记总书记嘱托，传承程开甲等老一辈科学家的精神，为实现高水平科技自立自强而不懈奋斗。”缪峰说。

用类脑器件搭出神经形态计算的未来

十年前缪峰回国时，一场有关类脑计算的前沿探索，刚刚拉开序幕。想实现真正意义上的神经形态计算，需要找到合适的材料、设计类脑器件结构、构建基于新器件的硬件系统。

“当时国内外没有经验可以借鉴，最初三四年，我们反复摸索材料和器件的热稳定性和可靠性，原理明明都对，但器件就是不能工作，沮丧时也曾怀疑技术路线是否可行。”至暗时刻，缪峰不曾放弃。2018年，团队在世界上首次研发出基于全二维材料的、可耐受超高温和强应力的高鲁棒性忆阻器。

如果说科研的挑战吸引他不断探寻未知的边界，那么生活中的小意外也激励他用科学的力量挑战极限。

读大学时，缪峰的家人患上眼疾，这让他第一次认真地关注到眼睛的结构。多年以后，这触发了他研究类脑视觉传感器的灵感：“在人脑处理的信息中，超过80%都是通过眼睛获得的。人眼不仅可以进行信息的探测和同步处理，而且整体功耗极小。构建一个可以媲美人眼、能同步进行信息探测和处理的类脑视觉传感器，也许在智能工业、自动驾驶、智能安防等领域都有应用前景。”

2020年，缪峰和团队构建出一个类脑视觉传感器。他介绍，“我们像‘搭乐高’一样，在原子世界里，将二硒化钨、氮化硼等性质迥异的多种二维材料按照不同的顺序堆垛，制备成垂直异质结器件。这不仅能模仿视网膜的垂直分层结构，而且不同的二维材料还可模拟视网膜中不同细胞的功能。”

在这项研究中，器件的响应时间和功耗均接近人类视网膜的水平——响应时间小于10毫秒，功耗小于10纳瓦。基于此器件，团队还进一步构建了一套 “类脑视觉原型系统”，实现了对大规模输入图像的快速识别。

希望拓展神经形态计算技术的上限

如何利用新的计算硬件和计算方案来实现大规模并行计算，从而不断提升信息处理速度，是未来计算领域里一个广受关注的议题。

2021年，缪峰教授合作团队首次提出迄今最高并行度的神经形态类脑计算方案，成功实现了对16张字母图片的并行读取、并行识别、与识别结果无线传输的功能演示。

缪峰解释，“传统的基于交叉阵列的神经形态计算方案一般使用直流或脉冲电信号，每路信号只能表示向量中的单一数值，无法提高并行度；而我们在每个固定频率的峰值上都加载了数据的信号，这样每路信号就升级为频率空间的一串数值。在多路信号输入时，就可以从一个简单的向量输入，升级成频率空间的矩阵输入，那运算的并行度就显著提升了。而且，硬件阵列的规模越大，并行度越高。”

从设计器件结构，到实现大规模并行计算，理论研究的突破让缪峰越发笃定类脑计算的未来。眼下，他正尝试在图像识别、辅助驾驶等领域，推动技术的产业化。

“在探索神经形态计算技术上限的路上，能不能靠计算方案的创新，就能修炼出特别厉害的‘分身术’？”这是现在的缪峰时常思考的一个问题。

2021年，《科学》杂志曾公布125个科学问题，其中包括“计算机处理速度是否有上限”？

“我们希望能为回答这个问题提供新的思路，也希望能为填补海量数据计算需求面临的算力缺口，提供可行的技术途径和科学基础。”这是缪峰向自己提出的一个挑战，也是他对未来的一份承诺。