摘要：借鉴生物大脑的工作机制，深度融合“软件”（机器学习模型）和“硬件”（神经形态器件）两种模拟方法，将为人工智能带来革命性的突破。清华大学材料学院朱宏伟课题组以石墨烯等二维材料为研究对象，综述了其在机器学习和神经形态器件等方面的最新研究进展。
关键词：石墨烯, 二维材料, 人工智能, 机器学习, 人工突触
自人类进入计算机时代，随着信息技术的发展（硬件的进步和算力的增强），人们一直在努力制造能够模拟人类智能以实现高效问题解决和任务决策的机器，由此引入了“人工智能”的概念。基于“冯·诺伊曼”架构的传统计算机是解决结构化问题的理想平台，但其信息处理依赖于处理器和存储单元之间频繁的数据传输，不可避免地限制了其计算效率且增大了能量损耗。相比之下，人脑是一种高效的生物计算系统，以超低的能量消耗实时处理非结构化数据。模拟生物大脑是使人工智能达到更高水平的唯一途径，包括软件（机器学习模型）和硬件（神经形态器件）两种模拟方式。石墨烯等二维材料的出现极大地推动了低维材料的革命性发展。因具有优异的光、电、热、磁等特性和成熟的晶片尺寸单晶制备工艺，石墨烯是当前研究最为广泛和深入的二维材料，在人工智能的基础研究和应用发面均展现出了极大的潜力。
清华大学材料学院朱宏伟课题组综述了石墨烯等材料在机器学习和神经形态器件等方面的最新研究进展，相关论文发表在Advanced Intelligent Systems上。文章首先介绍了机器学习的基本方法和常见模型，从“软件”（深度学习模型）和“硬件”（神经形态器件，如人工突触和人工神经元）两方面论述了人工神经网络的差异，生物突触的结构和工作原理以及神经形态器件中人工突触的仿生原理和基本评价指标。随后，总结了机器学习在石墨烯的性能（电学、力学、热学等）预测、结构（原子级结构、尺寸和形状）预测、反向设计（成分、结构）和传感器任务识别（化学物质识别、动作识别、3D成像）等方面的应用案例。综述了基于石墨烯的人工突触的两种构建方法和基本原理，介绍了石墨烯基晶体管和忆阻器的最新进展。最后，分析了石墨烯材料在人工智能应用中存在的问题及面临的挑战，对其未来应用前景进行了展望。
论文信息：
Recent Advances of Graphene and Related Materials in Artificial Intelligence
Meirong Huang, Zechen Li, and Hongwei Zhu*
Advanced Intelligent Systems
DOI: 10.1002/aisy.202200077
本文来自AdvancedScienceNews，本文观点不代表石墨烯网立场，转载请联系原作者。
