📢 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
摘要：南加州大学（USC）的研究人员利用离子基扩散型忆阻器构建了能复制真实大脑过程的人工神经元。这些器件模拟了神经元如何使用化学物质来传输和处理信号，在能源和尺寸上具有巨大优势。该技术可能实现类脑的、基于硬件的学习系统，并将人工智能推向更接近自然智能的水平。
发布于 Nature Electronics 的这项研究，是南加州大学（USC）维特比工程学院和先进计算学院的科学家们取得的重大成就，标志着神经形态计算领域的一个重要里程碑。神经形态计算旨在设计模仿人脑的硬件。这项进展有望使芯片尺寸缩小几个数量级，大幅削减能源消耗，并将人工智能推向人工通用智能（AGI）的实现。
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，这些新型神经元通过物理方式再现了真实神经元的操作机制。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化的表示，而是生物功能的具体再现。
一类新型类脑硬件
这项研究由南加州大学计算机与电气工程系的 Joshua Yang 教授领导，其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。该团队的新方法围绕着一种称为“扩散型忆阻器”的器件展开。他们的发现描述了这些组件如何催生新一代芯片，既能补充又能增强传统的硅基电子设备。虽然硅系统依靠电子进行计算，但 Yang 的扩散型忆阻器依靠原子运动，创建了一个更接近生物神经元信息传输过程的过程。其结果可能是更小、更高效的芯片，以大脑的方式处理信息，并可能为人工通用智能（AGI）铺平道路。
在大脑中，电信号和化学信号共同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，将信息传递给下一个神经元。接收后，该信号会转换回电脉冲，继续在神经元中传播。Yang 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。他们设计的突出优势是，每个人工神经元仅占据单个晶体管的占位面积，而旧的设计则需要几十个甚至上百个晶体管。
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功能。
利用银离子重现大脑动态
在新的研究中，同时也是南加州大学神经形态计算卓越中心的负责人 Yang 使用嵌入在氧化物材料中的银离子来生成模拟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 表示：“尽管我们的人工突触和神经元中使用的离子并非完全相同，但离子运动和动力学所控制的物理原理非常相似。”
Yang 解释说：“银易于扩散，能为我们提供模拟生物系统所需的动态特性，从而使我们能够以非常简单的结构实现神经元的功能。” 由于使用了银，这种能实现类脑芯片的新设备被称为“扩散型忆阻器”，这是由离子运动和随之发生的动态扩散决定的。
他补充说，团队选择利用离子动力学来构建人工智能系统，“因为这正是人类大脑中的运作方式，而且人类大脑是‘进化中的赢家——最高效的智能引擎’。”
“它更有效率，”Yang 说。
为什么效率在人工智能硬件中至关重要
Yang 强调，现代计算的问题不在于缺乏算力，而在于效率低下。“不是说我们的芯片或计算机不够强大来完成它们正在做的事情。而是它们效率不够高，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 继续解释说，与大脑不同，“我们现有的计算系统从来都不是为了独立处理海量数据或仅从少数几个例子中学习而设计的。提高能源和学习效率的一种方法是构建遵循大脑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，“离子比电子更能体现大脑的原理。由于电子质量轻且易变，使用电子进行计算，产生的却是基于软件的学习，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，“大脑通过离子跨膜移动来进行学习，直接在硬件中——或者更确切地说，在人们可能称之为‘湿件’（wetware）中——实现节能和自适应的学习。”
例如，一个年幼的孩子在只看少数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达到相同的效果。然而，人脑在实现这种惊人的学习能力时，功耗仅约为 20 瓦，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一大步。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。
扩散型忆阻器在能源和尺寸方面都很高效。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操作以执行计算。
Yang 说：“[有了这项创新]，我们只需用一个晶体管的占位面积来代表一个神经元。我们正在设计这些基本构件，最终目标是使芯片尺寸缩小几个数量级，能耗降低几个数量级，这样未来才能以可维持的水平进行人工智能运算，而不会消耗我们无法承受的能源。”
现在我们已经展示了功能强大且紧凑的基本构件——人工突触和神经元——接下来的步骤是将大量这些构件集成起来，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，”Yang 说道，“这样的忠实于大脑的系统或许能帮助我们揭示大脑自身工作方式的新见解。”
一个集成的脉冲人工神经元，具有丰富的神经元功能、单晶体管占位面积和低能耗特性，可通过将一个扩散型忆阻器和一个电阻器堆叠在一个晶体管之上来实现，适用于神经形态计算系统。封面照片展示了一组这些集成神经元的芯片，它们是在大学的洁净室中制造的，每个神经元的有效区域约为 4 μm2。致谢：南加州大学 Yang 实验室
🚀 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