📢 转载信息
原文链接：https://www.sciencedaily.com/releases/2025/11/251105050723.htm
原文作者：University of Southern California
模仿真实脑细胞的人工神经元
模仿真实大脑的人工神经元或将为真正的智能机器带来下一次飞跃。
南加州大学（USC）维特比工程学院和高级计算学院的科学家们创造出能够再现真实脑细胞复杂电化学行为的人工神经元。这项发表在Nature Electronics上的发现，标志着神经形态计算领域的一个重要里程碑。该领域旨在设计模仿人脑的硬件。这项进步或将使芯片尺寸缩小数个数量级，大幅削减能源使用，并将人工智能推向更接近实现人工通用智能（Artificial General Intelligence）的水平。
与仅通过数学模型模拟大脑活动的数字处理器或早期神经形态芯片不同，这些新型神经元物理上再现了真实神经元的工作方式。正如自然大脑活动是由化学信号触发的，这些人工版本也使用实际的化学相互作用来启动计算过程。这意味着它们不仅仅是符号表示，而是生物功能的有形再现。
一类新型类脑硬件
这项由USC计算机与电子工程系教授Joshua Yang领导的研究，建立在他十多年前关于人工突触的开创性工作基础上。该团队的新方法集中于一种称为“扩散型忆阻器”的器件。他们的研究结果描述了这些组件如何催生出新一代的芯片，这些芯片可以补充和增强传统的硅基电子设备。硅系统依靠电子进行计算，而杨教授的扩散型忆阻器则依靠原子运动，这一过程更接近生物神经元传输信息的方式。最终的成果将是更小、更高效的芯片，它们以大脑的方式处理信息，并有可能为人工通用智能（AGI）铺平道路。
在人脑中，电信号和化学信号都会驱动神经细胞之间的通信。当一个电脉冲到达神经元末端的突触连接处时，它会转化为化学信号，传递给下一个神经元。一旦接收到，该信号会再次转化为电脉冲，在神经元中继续传递。杨教授和他的同事们以惊人的准确性在他们的设备中复制了这一复杂过程。他们设计的显著优势在于，每个人工神经元仅占据一个晶体管的占位面积，而旧设计则需要几十甚至上百个。
在生物神经元中，被称为离子的带电粒子有助于产生使神经系统产生活动的电脉冲。人脑依靠钾、钠和钙等离子来实现这一点。
利用银离子重现大脑动力学
在新的研究中，杨教授（他同时也是USC神经形态计算卓越中心的主任）使用嵌入氧化物材料中的银离子来产生模拟自然脑功能的电脉冲。这包括学习、运动和规划等基本过程。
“尽管我们人工突触和神经元中的离子不完全相同，但控制离子运动和动力学的物理原理非常相似，”杨教授说。
杨教授解释说：“银易于扩散，并为我们提供了模拟生物系统所需的动力学特性，从而能以非常简单的结构实现神经元的功能。”由于使用了银所产生的离子运动和动态扩散，这种能够实现类脑芯片的新设备被称为“扩散型忆阻器”。
他补充说，团队选择利用离子动力学来构建人工智能系统，“因为这是发生在人脑中的事情，而且是有充分理由的，因为人脑是‘进化的赢家——最高效的智能引擎’。”
“它更有效率，”杨教授说。
为什么效率在AI硬件中如此重要
杨教授强调，现代计算的问题不在于缺乏功率，而在于效率低下。“不是说我们的芯片或计算机在处理当前任务时不够强大，而是它们效率不高，消耗了太多能源，”他解释道。这在当今大规模人工智能系统处理海量数据集所消耗的能源方面尤为重要。
杨教授接着解释说，与大脑不同，“我们现有的计算系统最初的目的就不是为了处理海量数据，也不是为了仅凭几个例子就能自主学习。提高能源和学习效率的一种方法是构建遵循大脑中观察到的原理运行的人工系统。”
如果你追求纯粹的速度，现代计算中运行的电子是进行快速操作的最佳介质。但是，他解释说，“离子是体现大脑原理比电子更好的媒介。因为电子很轻且易失，用电子进行计算使得基于软件的学习成为可能，而非基于硬件的学习，这与大脑的运作方式有着根本的不同。”
相比之下，他说，“大脑通过跨膜移动离子来实现学习，直接在硬件（或者更确切地说，人们可能称之为‘湿件’）中实现高能效和自适应的学习。”
例如，一个小孩在只看了几个例子后就能学会识别手写数字，而计算机通常需要数千个例子才能完成相同的任务。然而，人脑在完成这项非凡的学习时仅消耗约20瓦的功率，而当今的超级计算机则需要兆瓦级的功率。
潜在影响和后续步骤
杨教授和他的团队认为这项技术是复制自然智能的重大一步。然而，他也承认，实验中使用的银目前与标准的半导体制造工艺不兼容。未来的工作将探索能够实现类似效果的其他离子材料。
扩散型忆阻器在能源和尺寸上都很高效。一部典型的智能手机可能包含大约十个芯片，每个芯片都有数十亿个晶体管开关以执行计算。
“相反[有了这项创新]，我们每个神经元只使用一个晶体管的占位面积。我们正在设计最终能使芯片尺寸缩小数个数量级、能耗降低数个数量级的构建模块，这样未来在达到相似智能水平时，我们就可以以可持续的方式执行人工智能，而不会燃烧我们无法承受的能源，”杨教授说。
既然他们已经展示了功能强大且紧凑的构建模块——人工突触和神经元——下一步就是集成大量的这些模块，并测试他们能多大程度上复制大脑的效率和能力。“更令人兴奋的是，”杨教授说，“这种忠实于大脑的系统有望帮助我们发现关于大脑自身工作原理的新见解。”
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区