📢 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
模仿真实脑细胞的仿生神经元
模仿真实大脑思考的人工神经元或将解锁迈向真正智能机器的下一步飞跃。
南加州大学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《自然电子学》（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。这项进步有望将芯片尺寸缩小数个数量级，大幅削减能源使用，并将人工智能推向实现通用人工智能（AGI）的更近一步。
与仅仅通过数学模型来模拟大脑活动的数字处理器或早期的神经形态芯片不同，这些新神经元从物理上再现了真实神经元的操作方式。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“离子扩散型忆阻器”（diffusive memristor）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既能补充又能增强传统硅基电子设备的技术。虽然硅系统依靠电子进行计算，但Yang的离子扩散型忆阻器使用原子运动来替代，创造出更接近生物神经元传输信息的流程。其结果可能是更小、更高效的芯片，以大脑的方式处理信息，并有可能为通用人工智能（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之间的通讯。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，将信息传递给下一个神经元。接收后，该信号会重新转化为电脉冲，继续通过神经元。Yang和他的同事们以惊人的准确性复制了他们设备中的这一复杂过程。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，而旧的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产生活动的电脉冲。人脑依赖于钾、钠和钙等离子来实现这一功能。
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Yang教授，利用嵌入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。
Yang说："尽管我们人工突触和神经元中的离子并非完全相同，但控制离子运动的物理学和动力学非常相似。"
Yang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，使我们能够以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“离子扩散型忆阻器”，因为它利用了银的使用过程中发生的离子运动和动态扩散。
他补充说，团队选择利用离子动力学来构建人工智能系统，"是因为这是人类大脑的运作方式，而且人类大脑是‘进化的赢家——最高效的智能引擎’。”
"它更有效率，"Yang说。
为什么效率在AI硬件中至关重要
Yang强调，现代计算的问题不在于缺乏算力，而在于效率低下。"我们的芯片或计算机并非不够强大，而是效率不够高。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。
Yang接着解释说，与大脑不同，"我们现有的计算系统最初并非设计用于处理海量数据或仅凭少数几个示例就能自行学习。提高能源和学习效率的一种方法是构建遵循大脑观测到的原理运行的人工系统。"
如果你追求纯粹的速度，运行现代计算的电子可能是最快的操作媒介。但是，他解释说，"离子是比电子更好地体现大脑原理的介质。由于电子轻且易失，用它们进行计算会产生基于软件的学习，而不是基于硬件的学习，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学习，直接在硬件或更准确地说，在人们可能称之为‘湿件’（wetware）中实现了节能和自适应的学习。"
例如，一个小孩在只看过几次手写数字样本后就能学会识别它们，而计算机通常需要数千个样本才能完成相同的任务。然而，人脑在完成这项非凡的学习任务时仅消耗约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
Yang和他的团队认为这项技术是复制自然智能的重要一步。然而，他也承认，实验中使用的银目前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。
离子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，[通过这项创新]，我们每个神经元仅使用一个晶体管的占位面积。我们正在设计最终能使我们芯片尺寸缩小几个数量级、能耗降低几个数量级的构建模块，以便未来能够以类似水平的智能可持续地进行人工智能，而不会消耗我们无法承受的能源，"Yang说。
既然他们已经展示了强大而紧凑的构建模块——人工突触和神经元——下一步就是集成大量的这些组件，并测试他们能多大程度上复制大脑的效率和能力。Yang表示，"更令人兴奋的是，这种忠实于大脑的系统或许能帮助我们揭示关于大脑自身工作方式的新见解。"
🚀 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