神经网络计算的未来可能比我们预期的要黯淡一些。
一个物理学家团队成功开发了离子电路？ 一种基于水溶液中带电原子和分子运动的处理器，而不是固体半导体中的电子。
他们说，由于这更接近大脑传输信息的方式，他们的设备可能是类脑计算的下一步。
“水溶液中的离子电路寻求使用离子作为信号处理的电荷载体，”写团队由哈佛大学约翰·A·保尔森工程与应用科学学院 (SEAS) 的物理学家 Woo-Bin Jung 领导的一篇新论文中。
“在这里，我们报告了一种水性离子电路？这种能够进行模拟计算的功能性离子电路的演示是迈向更复杂的水性离子的一步。”
大脑中信号传输的主要部分是带电分子的运动，这些分子称为离子通过液体介质。 尽管大脑令人难以置信的处理能力很难复制，但科学家们认为可以采用类似的系统进行计算：推动离子通过水溶液。
这会比传统的基于硅的计算慢，但它可能有一些有趣的优势。
例如，离子可以由多种分子产生，每种分子都具有不同的特性，可以以不同的方式利用这些特性。
但首先，科学家需要证明它是可行的。
这就是荣格和他的同事们一直在努力的方向。 第一步是设计功能性离子晶体管，这是一种开关或增强信号的设备。 他们最新的进展是将数百个晶体管组合在一起作为离子电路工作。
该晶体管由“靶心”排列的电极组成，中心有一个小盘形电极，周围有两个同心环形电极。 这与水溶液界面醌分子。
施加到中心盘上的电压会在醌溶液中产生氢离子电流。 同时，两个环形电极调节溶液的 pH 值以进行门控，增加或减少离子电流。
该晶体管执行由环对选通设置的“权重”参数与盘电压的物理乘法，产生作为离子电流的答案。
然而，神经网络严重依赖于称为矩阵乘法，其中涉及多次乘法。
因此，该团队设计了 16×16 晶体管阵列，每个阵列都能够进行算术乘法，以产生能够执行矩阵乘法的离子电路。
“矩阵乘法是神经网络中最普遍的计算,”荣格说。 “我们的离子电路以完全基于电化学机械的模拟方式在水中执行矩阵乘法。”
当然，该技术存在很大的局限性。 16 个电流无法单独解析，这意味着操作必须按顺序而不是同时执行，这大大减慢了本已相对较慢的技术。
然而，它的成功是迈向更复杂的离子计算的一步：只有看到问题，我们才能找到解决方案。
下一步将是将更广泛的分子引入系统中，看看这是否允许电路处理更复杂的信息。
“到目前为止，我们仅使用了 3 到 4 种离子物质，例如氢离子和醌离子，来实现水性离子晶体管中的选通和离子传输，”荣格说。
“使用更多样化的离子种类，并看看我们如何利用它们来丰富要处理的信息内容，这将是非常有趣的。”
该团队指出，最终目标不是与电子技术竞争或用离子技术取代电子技术，而是以具有两者功能的混合技术的形式进行补充。
该研究发表于先进材料。
