——记苏州大学纳米科学技术学院副教授仲亚楠

吕腾波

作为人工智能的开山鼻祖，艾伦·图灵的诸多观点即便经过几十载岁月洗礼，依旧闪耀着智慧的光芒。70余年前，他曾提出一个问题——“机器能够思考吗？”在当时的科学界，此观点犹如一块骤然入水的砾石，激起了许多领域内科学家探索的浪花。当争议发酵得如火如荼时，他自己又在1950年发表的论文《计算机器和智能》中给出了斩钉截铁的答案：能。

但是，机器的“思维”可能实现像人脑一样吗？这是一道人工智能技术发展至今都无法确定答案的难题，同时也被众多相关学者设定为科研探索的终极目标，苏州大学功能纳米与软物质研究院、纳米科学技术学院副教授仲亚楠便是其中之一。眼下，踩在巨人的肩膀之上，他似乎找到了一条通往目的地的“新出路”，而铺就这条道路的奠基石，还要从一个被定义为“忆阻器”的器件说起。

不同于传统计算机中的数字元件只能表示“0”和“1”两种状态；忆阻器作为一种模拟器件，能够记忆输入信号的历史信息，并将这些信息表示为连续的电导值状态。这种特性与大脑中神经突触的行为极为相似，因此忆阻器也被认为是实现未来类脑计算的基础元件。最早提出忆阻器概念的人，是华裔科学家蔡少棠。当仲亚楠在苏州大学纳米科学技术学院求学并第一次接触到相关概念时，瞬间就被其背后奥妙所吸引，并在往后十余年的时间始终将其贯穿于自己的学习、工作中。至今，这项探究仍在延续。

2019年，为开阔科研视野，仲亚楠走出母校，前往清华大学集成电路学院从事博士后研究工作，并顺利加入清华大学微电子所、未来芯片技术高精尖创新中心教授钱鹤、吴华强团队。在那里，他接触到了很多神经形态系统相关的前沿研究，并开始了首个将忆阻器与储备池计算相结合的课题，也意外开启了一段“动心忍性”的“磨难时光”。

无论是忆阻器还是储备池计算的提出，均不同于由冯·诺依曼架构的传统计算硬件系统，其致力于充分挖掘电子器件自身的物理特性作为计算资源，从而在硬件层面高效实现各种人工神经网络算法。储备池计算作为一种适用于高效处理时序信号的人工神经网络，以特有的记忆特性和易于硬件实现等优点成为近年来类脑计算领域的前沿热点。彼时，精专于此类研究的学者较其他领域而言还相对稀少，这就为仲亚楠等人课题的开展提出了首个挑战。而新冠感染疫情的冲击又迫使他们不得不将科研进展放缓。迷茫带来的心理压力加上“天灾”的不可抗力，几乎一度摧毁了仲亚楠的自信。庆幸的是，在导师唐建石的鼓励、示范与指导下，他最终攻克了难关。其所在团队首次将单个动态忆阻器设计成为一个复杂的物理系统，从而实现了完整的储备池功能，并在此基础上提出了基于时分复用过程的多忆阻器并行储备池计算硬件架构；随后团队又基于两种不同类型的忆阻器构建出了首个可以进行实时信号处理的全模拟储备池计算系统，其功耗相比现有的数字系统足足低了3个数量级。

2022年不过是仲亚楠从清华大学回归母校的第一个年头，但他却已经成功获批国家自然科学基金青年基金的支持，更在12月18日举行的中国新锐科技论坛上摘得“中国新锐科技人物闪耀潜力奖”的桂冠。未来，他表示将继续在提高计算效率同时降低功耗的类脑计算领域突破自己。“机器究竟能不能像人一样思考？我期待未来某天人类能够揭秘这个问题。”仲亚楠说。

（责编：关弋）