神經形態運算透過模仿大腦運作方式，能比傳統電子 AI 晶片顯著降低能耗。然而，即使是目前最精密的此類裝置，其複雜度仍遠不及人類神經元所擁有的連接數量。一項新研究指出，利用聲波技術，神經形態裝置能更有效地模擬生物神經元，並以更快的速度和更高的能源效率運作。
亞利桑那大學材料科學與工程及電機與電腦工程助理教授 Xiaodong Yan 表示：「這能讓未來的神經形態硬體更緊湊、更具平行性，並在需要整合多種特徵的任務上更有效率，例如圖案識別、感官處理和數據分析。」
大腦利用突觸（連接神經元的連結）來同時進行運算和儲存數據，神經形態裝置也常結合這兩種操作。這樣做可以減少傳統微晶片在處理器和記憶體之間傳輸數據所需的能量和時間。
每個人類神經元可能與其他細胞有數千個突觸連接；其中，小腦中的浦金耶細胞（Purkinje cell）甚至可能擁有多達十萬個突觸。Yan 指出，這種非凡的連接程度，讓每個神經元都能「整合不同的資訊片段，進行比較，並根據情境做出反應」。
相較之下，Yan 表示，大多數傳統神經形態裝置本質上只有「一個人工突觸」。若要建造一個擁有與人類神經元相同數量突觸的人工神經元，將需要將許多獨立裝置連接起來。Yan 說：「這會增加佈線、能源成本和硬體複雜性。」
近來，科學家開發出聲學裝置，能讓聲波在其相位中編碼多個數值。這些相位位元（phi-bits）進而可以支援類量子邏輯閘和平行運算。傳統位元僅代表 0 或 1 兩種數位之一，且每個位元都需要一個獨立的物理元件；而相位位元則每個代表多個變數，並能共存於同一空間中。
然而，需要澄清的是，相位位元的運算並非量子運算，而僅是量子電腦系統的經典類比。Yan 和他的同事現已開發出一種包含多個相位位元的聲學突觸。這使得以相對簡單的方式進行多個同步運算成為可能，且與傳統電子裝置相比，功耗要求更低。
桑迪亞國家實驗室運算研究中心的 Brad Aimone 表示：「將新物理學引入以更高效地執行複雜運算的想法總是令人著迷。」Aimone 雖然未參與這項研究，但他表示：「這為未來開啟了值得思考的新機會。」
科學家開發的新裝置由三根鋁棒組成，每根約 60 公分長、1.25 公分寬，並以環氧樹脂膠連接。研究人員使用一層薄薄的蜂蜜將超音波發射器和感測器連接到鋁棒的兩端。
Yan 及其同事利用聲波編碼數據流，包括圖像及其識別標籤。超音波發射器透過鋁棒發出這些聲波，聲波經由環氧樹脂進行聲學互動。裝置中的超音波感測器隨後偵測到這些聲學互動產生的聲學訊號。
研究人員發現，他們可以調變相位位元的相位，模擬生物突觸隨時間增強或減弱的能力，這也是記憶持久或消退的部分原因。這種特性稱為突觸可塑性，意味著研究人員可以訓練他們的聲學突觸來執行一系列任務。
在實驗中，科學家測試了一個與三個數位神經元耦合的拓撲聲學突觸。（拓撲聲學是一個新興領域，它應用聲波先前未知的特性，開創了操縱聲波的新方法——例如，在聲波幾乎沒有能量耗散的電路中。）Yan 表示：「在拓撲聲學突觸中，聲波互動有助於在最終讀取之前轉換和組織資訊。」
在將 150 朵花分類為三種鳶尾花物種之一的任務中，這個新裝置的表現優於傳統基於電腦晶片的多層感知器（MLP）神經網路。這個聲學裝置——代表一個單一的模擬突觸——僅使用 39 個參數就達到了 96.7% 的最終準確度，並且比 MLP 快 20% 達到其峰值準確度。研究人員指出，若要達到相似的準確度，MLP 將需要九個神經元和更多的參數。
總體而言，研究人員估計他們的新裝置功耗至多只有目前最先進電子神經形態硬體的十分之一。Yan 表示：「未來的神經形態系統可能會結合物理波動力學與傳統運算，以實現更節能的資訊處理。」
此外，科學家們指出，他們的新裝置可以模仿被稱為神經調節劑的關鍵分子的活動。Yan 解釋，多巴胺或血清素等神經調節劑「可以使突觸更敏感、不那麼敏感、更快、更慢，或者改變其學習的強度。」「這種靈活性有助於大腦適應不同的條件，例如注意力、獎勵、壓力或學習狀態。」
單一生物突觸可能同時受到多達十種神經調節劑的影響。然而，在傳統神經形態硬體中模仿神經調節作用極具挑戰性，通常需要更複雜的設計。但研究人員發現，透過聲學突觸，只需額外增加一根鋁棒，系統就能模仿多種神經調節過程——包括快速反應（例如多巴胺在學習過程中對突觸強度的影響）和緩慢的長期反應（例如慢性壓力）。
Aimone 表示：「神經調節劑讓大腦能夠使用一個電路，根據情境執行不同的功能。這與現在不同，現在你必須為不同的任務建立不同的神經網路。因此，與其擁有一個龐大的神經網路，不如擁有較小的神經網路，它們可以利用類似神經調節劑的功能來適應當前的情況。這真的非常令人興奮。」
研究人員於 6 月 12 日在《科學進展》（Science Advances）期刊線上發表了他們的發現。