Ag/Al₂O₃/ITO memristor for honeybee-inspired associative learning, behavioral emulation, and conductance-constrained flower classification

在自然界的静谧角落，蜜蜂展示了一场关于学习的大师课。这些昆虫并不仅仅是对环境做出反应；它们在感知到的事物与接收到的奖励之间建立复杂的关联。蜜蜂学会将特定的气味或颜色与甜美的奖励联系起来，并根据过去的经验调整其行为。这种能力依赖于大脑的突触，即神经细胞之间微小的接点，随着动物的学习和记忆，这些接点会增强或减弱。几十年来，科学家们一直试图制造能够模仿这种生物灵活性的电子设备，希望创造出像生物一样学习，而不仅仅是计算数字的计算机。这种模仿的关键在于一种被称为忆阻器（memristor）的组件，它是一种能够记住通过了多少电量的电子开关。不同于仅仅是“开”或“关”的标准开关，忆阻器可以稳定在许多不同的电阻状态中，根据其历史改变其行为，就像突触根据过去的活动改变其强度一样。

宁波大学的一个研究小组现在已经证明，一个单一、简单的电子设备就可以复制其中几种复杂的生物行为，从基础记忆到复杂的决策。他们利用银、氧化铝和导电玻璃层构建了一个微小的组件，创造出一种能够以类似于蜜蜂学习过程的方式对电脉冲做出反应的结构。通过精确控制电流的流动，科学家们展示了该设备可以经过训练，从而将两个不同的信号联系起来，忘记一项教训，然后更快地重新学习。它甚至可以模拟不同的警觉水平，在代表睡眠、昏睡和清醒的状态之间切换。最重要的是，研究人员证明了该设备产生的特定电学状态可以用于解决现实世界的问题：识别照片中的不同类型的花朵。该设备不仅模拟了学习过程，还执行了神经网络的实际工作，其图像分类的准确率与标准计算机程序几乎完全一致。

该设备本身是一个由材料组成的微小垂直堆叠体，宽度大约仅为人类头发丝的宽度。底部是一个导电玻璃层，随后是一层薄薄的氧化铝膜，顶端覆盖着一层银。当研究人员向顶部的银层施加电压时，他们观察到了一个奇妙的物理变化。银原子分解成离子并穿过绝缘的氧化铝层，最终形成一个连接顶部和底部的微小导电桥或细丝。这个细丝就像一根导线，可以根据允许流过的电流量变得更粗或更细。当电流受到限制时，细丝保持纤细，设备表现出电阻；当电流可以更自由地流动时，细丝变得更粗，使电流更容易通过。这种银桥的生长与收缩正是让设备记住过去的原因，因为细丝的大小决定了设备对未来信号的反应方式。

为了测试这种简单的机制是否能模仿蜜蜂复杂的学习过程，研究人员向设备施加了一系列电脉冲。他们发现，可以使设备逐渐增加其电导率，类似于突触在学习过程中增强的过程，或者降低电导率，以模拟记忆的减弱。他们还观察到，如果连续发送两个脉冲，第二个脉冲产生的响应比第一个更强，这是一种在生物大脑中常见的现象，称为配对脉冲促进（paired-pulse facilitation）。该设备能保持这些不同的状态超过100秒，表明它可以在相当长的一段时间内保留信息。通过改变脉冲的强度和时机，团队可以对设备进行编程，使其表现出特定的行为。他们成功地重现了一个帕夫洛夫条件反射的版本，即设备在将一个弱信号与一个强信号配对后，才会对该弱信号做出反应，就像狗在听到铃声并将其与食物联系起来后，会对铃声产生唾液分泌一样。

研究人员进一步展示了该设备也可以模拟学习与遗忘的起伏过程。当他们停止刺激设备时，电学响应缓慢消退，代表了遗忘的自然过程。然而，当他们再次开始训练脉冲时，设备重新学习该行为的速度比第一次要快得多，这表明原始记忆仍留有痕迹。他们还将不同水平的电活动映射到意识状态。一个非常弱的脉冲产生低响应，他们将其映射为睡眠状态；一个中等的脉冲产生中等响应，对应于昏睡状态；而一个强脉冲则触发高响应，对应于清醒状态。这表明，只需通过改变发送给它的电信号模式，单个设备架构就可以产生广泛的依赖于历史的行为，而无需改变设备的物理结构本身。

最后，团队测试了这些习得的电学状态是否可以用于一项实际任务：识别花卉。他们采用了一个旨在识别雏菊、蒲公英、玫瑰、向日葵和郁金香图像的标准计算机程序，并将程序的最后一部分替换为他们忆阻器的电导状态。该程序利用设备保持不同电阻水平的能力来代表其决策过程中的权重。当系统在花卉图像数据集上进行测试时，它达到了86.55%的准确率。这一结果与完全在软件中运行的标准计算机程序所达到的87.09%的准确率非常接近。这种性能上的微小差异表明，物理设备中可用的特定离散电学状态足以捕捉完成该任务所需的核心信息。这一发现表明，源自其银细丝的物理特性可以直接支持复杂的模式识别，架起了材料原始物理属性与神经网络高层智能之间的桥梁。

这项工作表明，通往更高效、类脑计算的路径可能不需要制造数百万个复杂的组件，而是需要理解如何以不同的方式控制单个简单的设备。通过调节电脉冲，同一个Ag/Al₂O₃/ITO结构既可以作为存储单元，也可以作为学习代理或分类器。研究人员表明，设备的行为并非固定不变，而是完全取决于它所接收到的刺激历史。这种灵活性使得硬件能够适应不同的任务，从模拟昆虫的睡眠-觉醒周期到处理视觉数据。研究结果提供了一个具体的证明，即可以通过控制薄膜中银离子的运动规律，来执行曾经被认为需要复杂、多层生物系统的任务。随着类脑计算领域的发展，这项研究提供了一个清晰的范例，展示了简单的材料在正确的电学协议引导下，如何开始展现出自然界中丰富的适应性行为。