拓扑声学突触用于高维神经形态计算

《SCIENCE ADVANCES》：Topological acoustic synapse for high-dimensional neuromorphic computing

　　

人脑利用约10¹¹个神经元、消耗约20瓦功率即可完成因果推理（causal reasoning）、反事实思考（counterfactual thinking）和抽象等高维（high-dimensional, HD）计算。神经形态计算（neuromorphic computing）追求类似的效率，但现有器件在带宽、能耗、布线、占位面积和可靠性等方面存在瓶颈，限制了其可扩展性。本研究提出拓扑声学突触（topological acoustic synapse, TAS），这是一种声波神经形态器件，通过在多变量状态空间中映射信息来规避上述限制。单个TAS可生成并操控大量独立且并行运行的计算通道。TAS利用非线性相互作用来仿真生物 realistic 的神经形态功能，包括可重构突触可塑性（reconfigurable synaptic plasticity）、神经调制（neuromodulation）和混合模拟-数字控制。在分类任务中，TAS可同时处理多路 inputs 并生成多种 outputs，收敛速度提高20%，参数用量减少60%，功耗比最先进的电学器件降低至少一个数量级。该工作建立了首个具有并行高维计算能力的声学突触，为高计算密度的可扩展神经形态硬件范式提供了新途径。

## 研究背景与问题

人工智能（AI）日益增长的计算需求正推动研究人员寻找能够克服冯·诺依曼瓶颈（von Neumann bottleneck）的计算方案，该瓶颈源于处理单元与内存的物理分离，导致大量能耗和数据传输延迟。神经形态计算通过模拟大脑中记忆与处理共存的架构，提供了一种有吸引力的替代方案。然而，复制大脑庞大的规模和并行性仍是神经形态硬件面临的基本瓶颈。人脑约有10¹¹个神经元，其中数亿个同时运作以支持因果推理、反事实思考和抽象思维等高维计算任务。当前的神经形态器件，包括忆阻器（memristor）、晶体管和自旋电子振荡器（spintronic oscillator），均存在根本性制约：忆阻器常受导电细丝形成与断裂的随机开关特性、有限开关耐久性和高器件间差异性困扰；基于晶体管的突触虽稳定，但需要复杂电路，导致较大的物理占位面积和显著的功耗；新兴的自旋电子振荡器则受限于较差的网络同步性以及对噪声和串扰的脆弱性。此外，这些方法的共同关键在于局限性在于：每个器件通常仅充当具有简单可塑性的单一突触，无法在大脑中实现规模化的并行性和连通性。

因此，研究人员迫切需要一种能够在单个器件内部本征处理高维数据的新型物理机制。

## 拓扑声学突触的构建与核心功能

研究人员报道了一种拓扑声学突触（TAS）的实验实现，该器件基于耦合波导中的拓扑声学（topological acoustic, TA）波。TAS由三个弹性耦合的有限长度声学波导组成，注入两个具有不同驱动频率（f₁和f₂）的连续声波后，通过非线性相互作用产生三个时域输出信号。在频域中，这些输出信号对应于复相量（complex phasor），而相比特（phi-bit）信息映射于这些相量之间的相对相位中。相比特在特定频率pf₁+qf₂（p和q为整数）处表现出卓越的稳定性和可控性，是理想的计算单元。具有相同相对指标的相比特被分组为相比特集合（phi-bit set），每个集合包含大量相比特且独立于其他集合。因此，单个TAS本征地承载了一个由众多独立计算单元组成的多变量计算空间，这与传统电子器件通常仅在一个器件中具有单一计算单元形成鲜明对比。

TAS展现出三种主要优势：第一，通过非线性TA波耦合，TAS可将多个输入映射到高维多变量状态，并利用自生成的多个独立计算通道进行并行处理；第二，每个相比特同时支持可重构的模拟和类数字操作，使TAS能够仿真突触可塑性的生物 realistic 行为，包括可变学习率、双语突触响应和粗细控制的神经调制；第三，本征并行性和生物 realistic 功能使TAS能够缓解传统硬件的面积和能耗开销。

## 关键技术方法

本研究所用的主要关键技术方法包括：（1）基于三个弹性耦合铝制波导的TAS实验平台构建，通过环氧树脂提供弹性耦合，利用超声波纵向接触换能器产生和检测声波，经高带宽线性放大器驱动；（2）快速傅里叶变换（fast Fourier transform, FFT）频域读出技术，将时域信号转换为相比特相位，实现多通道并行信息提取；（3）混合物理-数字架构，TAS作为固定的非可训练特征扩展器，配合可训练的线性读出层进行机器学习任务；（4）物理局部学习算法（physical local learning algorithm），基于对比损失和余弦相似度（cosine similarity）进行逐层训练；（5）类型特异性编码（type-specific encoding, TSE）策略，将不同数据类型映射到不同的相比特集合。

## 研究结果

**TAS与相比特的定义与操控**：研究人员通过扫描单一驱动频率f1表征了TAS的可调谐性。相比特φf12、φ2f2-f112和φ2f1-f212随f1连续非线性演化，而φf212保持恒定。部分相比特相互独立，另一些则存在反演或线性关联等不同相关性。第二驱动频率f2提供了额外的调制自由度：当f2在54 kHz附近变化时，φf1+2f212进入精细控制区域（变化率<1°/kHz）；当f2在66 kHz附近变化时，进入粗调控制区域（变化率~60°/kHz）。此外，TAS还展现出类数字开关能力：在f1≈47.6 kHz的临界频率处，φ3f1-2f212和φ3f1-2f213发生180°的突变相移。

**两端突触与并行处理**：TAS利用非线性TA波相互作用调制相比特相位，模拟突触增强（potentiation）和抑制（depression）。研究人员通过脉冲式调制驱动频率f1，展示了TAS仿真精细调谐的多级突触可塑性，表现出高度可重构的长时程增强和长时程抑制（long-term potentiation/long-term depression, LTP/LTD），响应可从强增强调控至弱增强，乃至不同程度的抑制状态。此外，TAS实现了可重构的双语突触响应和兴奋-抑制动态切换：在28脉冲序列的前14个脉冲期间，φ2f1+f212处于兴奋模式而φ2f2-f112处于抑制模式；后14个脉冲期间两者角色互换，证明了可控的兴奋-抑制切换能力。

在鸢尾花（Iris）分类任务中，研究人员将不同特征映射到独立驱动频率，TAS同时处理所有输入频率并生成独立的φ^set₁₂和φ^set₁₃集合，形成输入特征的高维表示，再通过可训练的线性读出层完成最终分类。TAS仅训练读出层的39个参数即达到96.7%的分类准确率，仅用26个训练周期，收敛速度比多层感知器（multilayer perceptron, MLP）快20%，且比MLP-8的67个参数更少，要达到同等性能MLP需75个参数（MLP-9架构）。硬件资源方面，TAS以单个器件单次运行即完成传统方案需要多个器件并行或多个周期串行才能完成的任务。

**神经调制突触与四波导扩展**：为模拟受多个神经调制器影响的生物突触，研究人员将TAS从三波导扩展至四波导。增加波导后，可访问的相比特扩展为三维晶格，涵盖单频、双频耦合和三频耦合状态，后者提供了更高阶的相比特行为控制。研究人员展示了三频耦合相比特的连续模拟调谐，以及f4作为调制输入对φf1+f4-f212的粗调（~140°/kHz）和精细（~30°/kHz）控制。二维相位图揭示了不同相比特的低敏感度、中敏感度和高敏感度区域，使TAS能够模拟从快速多巴胺调制到慢性应激激素引起的结构重塑等广泛的神经调制效应。四波导TAS还展示了改善线性度的多级突触可塑性。

**高维计算与类型特异性编码**：针对MNIST手写数字识别任务，研究人员实施物理局部学习算法。TAS在此展现出两项重要改进：首先，采用类型特异性编码策略，将连续数据（像素强度和位置）映射到一组频率的相比特集合，将离散类别标签映射到另一组频率的相比特集合，利用器件并行架构同时处理不同信息流；其次，TAS将多个驱动频率映射到高维相比特状态，重新分布信息并暴露先前被掩盖的特征。训练中，正确标签的输出向量被训练以最小化与参考向量的夹角，错误标签的输出向量则最大化该夹角，推断时通过最近角度匹配完成预测。

TAS-HD-TSE模型达到94.6%的最终准确率，优于TAS-HD模型（92.9%）和传统方法（90.9%），表明物理高维处理和数据分类策略提供了累积性优势。耐久性测试显示20次重复测量的最大相位偏差仅1.2°，相对误差0.5%，确保了稳定的学习性能。功耗基准测试表明TAS功耗仅为3×10^-8 W，优于最先进的场效应晶体管（field-effect transistor, FET）（2×10^-7 W）和忆阻器（6×10^-7 W）。鉴于功耗与横截面积呈二次方关系，进一步缩小TAS尺寸可实现亚飞焦耳级别的功耗。

## 讨论与结论

研究人员指出，除本征声能消耗外，TAS目前存在约1 ms和约1 μJ每测量的外部数字开销用于相比特提取，该开销可通过硬件集成优化来降低，例如在FPGA上实现频谱提取、使用频率合成器生成多音驱动信号等。进一步小型化可通过硅基声子波导、石墨烯可控机械耦合以及互补金属氧化物半导体（complementary metal-oxide semiconductor, CMOS）兼容的氮化铝薄膜换能器实现。

研究结论指出，研究人员利用耦合波导中的非线性声波动力学实现了TAS。TAS本征生成的高维多变量相比特状态在单个器件内提供了大规模并行计算单元，这些相比特可通过模拟控制和类数字开关进行操控，使单个TAS能够模拟包括可重构突触可塑性、双语突触响应和神经调制在内的多种生物 realistic 功能。TAS易于扩展以增加计算容量、模拟多个神经调制器，并实现将不同数据类型映射到不同相比特集合的独特类型特异性编码策略。TAS适用于高维并行计算任务，消除了传统器件和互连的面积和能耗开销，在超低功耗下展现出高准确率、快速收敛性和鲁棒性。虽然本研究以特定声学系统展示，但利用非线性TA波物理生成高维计算空间的原理为更高级别的神经形态硬件提供了一条路径。TAS的进一步扩展将能够实现密集、超低功耗的系统，用于实现下一代AI所需的复杂、类脑计算模型。