📢 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
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研制出了能够复制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大里程碑，该领域旨在设计模仿人脑的硬件。这一进展有望将芯片尺寸缩小几个数量级，大幅削减能耗，并将人工智能推向实现通用人工智能（AGI）的更近一步。
与仅通过数学模型模拟大脑活动的数字处理器或早期的神经形态芯片不同，这些新神经元以物理方式再现了真实神经元的运作方式。正如自然大脑活动由化学信号触发一样，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
这项由南加州大学计算机与电气工程系教授Joshua Yang领导的研究，建立在他十多年前在人工突触方面的开创性工作之上。该团队的新方法集中于一种称为“扩散忆阻器”的设备。他们的研究结果描述了这些组件如何催生出既能补充又能增强传统硅基电子设备的新一代芯片。传统硅系统依靠电子进行计算，而Yang的扩散忆阻器则使用原子的运动，创造出一个更接近生物神经元传递信息的处理过程。其结果可能是更小、更高效的芯片，以大脑的方式处理信息，并有望为通用人工智能（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间的通讯。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，传递信息给下一个神经元。接收到信号后，该信号会再次转化为电脉冲，继续在神经元中传递。Yang及其同事以惊人的准确性在他们的设备中复制了这一复杂过程。他们设计的一个主要优势是，每个人工神经元仅占据单个晶体管的占位面积，而旧设计则需要数十甚至数百个。
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活动成为可能的电脉冲。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态
在新的研究中，同时担任南加州大学神经形态计算卓越中心的杨教授，使用了嵌入在氧化物材料中的银离子来产生模仿自然脑功能的电脉冲。这些功能包括学习、运动和规划等基本过程。
“尽管我们的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，”杨说。
杨解释说：“银易于扩散，为我们提供了模拟生物系统所需的动态特性，使我们能够用非常简单的结构实现神经元的功能。”这种能够实现类脑芯片的新设备被称为“扩散忆阻器”，因为它涉及到离子运动和使用银时发生的动态扩散。
他补充说，团队选择利用离子动力学来构建人工智能系统，是“因为人脑就是这样做的，而且人脑是‘进化的赢家——最高效的智能引擎’。”
“它更有效率，”杨说。
为什么效率在AI硬件中如此重要
杨强调，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做它们正在做的事情时不够强大。而是它们不够高效。它们消耗了太多的能量，”他解释道。鉴于当今大规模人工智能系统处理海量数据集所消耗的巨大能源，这一点尤为重要。
杨接着解释说，与人脑不同，“我们现有的计算系统从来都不是为了自行处理海量数据或仅从几个示例中学习而设计的。提高能量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作的人工系统。”
如果你追求纯粹的速度，运行现代计算的电子可能是快速操作的最佳选择。但是，他解释说，“离子是比电子更好地体现大脑原理的媒介。因为电子质量轻且易变，用它们进行计算使得基于软件的学习成为可能，而不是基于硬件的学习，这与大脑的运作方式从根本上不同。”
相比之下，他说，“大脑通过跨膜移动离子来进行学习，直接在硬件中，或者更准确地说，在人们可能称之为‘湿件’（wetware）中实现节能和自适应学习。”
例如，一个年幼的孩子在只看过几次手写数字示例后就能学会识别它们，而计算机通常需要数千个才能完成相同的任务。然而，人脑在完成这项惊人的学习任务时仅消耗约20瓦的功率，而今天的超级计算机则需要兆瓦级的功率。
潜在影响和后续步骤
杨和他的团队认为这项技术是复制自然智能的一大步。然而，他也承认，实验中使用的银与标准半导体制造工艺尚不兼容。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进行开关以执行计算。
“相反[通过这项创新]，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让我们将芯片尺寸缩小几个数量级、将能耗降低几个数量级的构建模块，这样才能以与当前智能水平相似的程度可持续地执行AI，而不会消耗我们无法承受的能源，”杨说。
现在我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——下一步是集成大量的它们，并测试我们能多大程度上复制大脑的效率和能力。“更令人兴奋的是，”杨说，“这种忠实于大脑的系统有望帮助我们揭示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