发布日期：2025-11-19 05:20 点击次数：188
这项设计将每个神经元集成到单个晶体管中，这一飞跃性突破有望使未来AI硬件体积更小、速度更快、能效更高。
南加州大学维特比工程学院与先进计算学院的研究团队成功构建出能在物理层面真实再现脑细胞电化学活动的人工神经元。这项研究标志着我们向更高能效的类脑硬件迈出重要一步，此类硬件未来或可支撑人工通用智能的发展。
与现有通过数字模拟大脑活动的神经形态芯片不同，南加州大学研发的新型神经元运用真实的化学与电学过程进行计算。换言之，它们不仅模拟大脑运行机制，其运作方式更接近真实的脑细胞。
这项研究由南加州大学计算机与电子工程学教授、神经形态计算卓越中心主任Joshua Yang领导。Yang及其团队基于他们提出的“扩散忆阻器”开发出新型人工神经元。与传统硅芯片利用电子运动不同，这些神经元依靠原子运动来处理信息。
在人脑结构中，神经元通过电信号和化学信号协同传递信息。当电信号抵达神经元末端的突触时，会转化为化学信号向下一个神经元传递信息，完成跨越后再次恢复为电信号。Yang团队如今利用氧化物中的银离子成功重现了这一过程。
“虽然人工突触和神经元中使用的离子种类与生物系统不尽相同，但调控离子运动的物理机制与动力学过程极为相似。”Yang解释道。他进一步指出：“银离子具备良好的扩散特性，能提供模拟生物系统所需的动力学行为，使我们能够以极简结构实现神经元功能。”
这种被称为“扩散忆阻器”的设计，使每个人工神经元仅需占据单个晶体管的尺寸，而传统设计往往需要数十甚至数百个晶体管。Yang表示团队选择离子动力学模拟是因为“这正是人脑的运行机制 —— 作为进化史上的优胜者，人脑本身就是最高效的智能引擎”。
能效是核心关键
Yang指出当前计算系统的主要问题并非算力不足，而是能效低下。“并非现有芯片或计算机算力不足，症结在于能效过低，能耗过大。”他解释说。现代计算机专为海量数据处理设计，无法像人类那样通过少量样本进行学习。“提升能量效率与学习效率的途径之一，就是构建遵循大脑运作原理的人工系统。”
他认为离子可能是实现这一目标的关键：“离子是比电子更理想的脑原理载体。因为电子质量轻、状态不稳定，基于电子的计算更适合软件学习而非硬件学习。”
迈向人工通用智能之路
人脑仅需见过某物数次就能学会识别，整个过程消耗能量约20瓦。相比之下，当今AI系统和超级计算机完成类似任务需要消耗巨大能量。Yang团队希望他们开发的原子驱动神经元能缩小这一差距。“通过这项创新，每个神经元仅需单个晶体管的占地空间。”他介绍说。
目前使用的银材料与标准半导体工艺不兼容，研究团队计划探索其他具有相似性能的离子材料。在成功研发出紧凑高效的人工神经元后，南加州大学研究团队的下一步任务是构建大规模神经元网络，测试其与大脑学习能力的接近程度。Yang表示，这个过程也将帮助科学家更深入地理解大脑的运行机制。
该项研究成果已登上《自然·电子学》期刊。
如果朋友们喜欢，敬请关注“知新了了”！
