新加坡国立大学的研究人员最近证明，单个标准硅晶体管可以模拟神经和突触行为，使受大脑启发的计算更接近现实。这项研究由材料科学与工程系副教授Mario Lanza领导，并于2025年3月26日在《自然》杂志上发表。

　　世界上最复杂的计算机已经存在于我们的大脑中。人类大脑比电子处理器更节能，这要归功于近900亿个神经元，它们彼此之间形成了大约100万亿个连接。这种高效的计算方式一直是科学家们试图模仿的目标。几十年来，人工神经网络(ANN)推动了人工智能(AI)的显著进步，但基于软件的ANN对计算资源的需求极高，使得它们在许多应用中凯云官网不切实际。

　　神经形态计算旨在模仿大脑的计算能力和能源效率。这不仅需要重新设计系统架构以在同一位置执行内存和计算（即所谓的内存计算(IMC)），还需要开发利用物理和电子现象的电子设备，能够更忠实地复制神经元和突触的工作方式。然而，目前的神经形态计算系统因需要复杂的多晶体管电路或新兴材料而受到阻碍，这些材料尚未经过大规模制造的验证。

　　兰扎教授表示：“为了实现真正的神经形态计算，即微芯片的行为类似于生物神经元和突触，我们需要既可扩展又节能的硬件。” 新加坡国立大学的研究小组现已证明，单个标准硅晶体管在以特定方式排列和操作时，可以复制神经放电和突触重量变化——这是生物神经元和突触的基本机制。这是通过将块体终端的电阻调整到特定值来实现的，这可以控制晶体管中发生的两种物理现象：穿透碰撞电离和电荷捕获。

　　此外，该团队还构建了一个能够在神经元或突触状态下运行的双晶体管单元，研究人员将其称为“神经突触随机存取存储器”，简称NS-RAM。其他方法需要复杂的晶体管阵列或新材料，制造工艺也不确定，但我们的方法利用的是商用CMOS技术，这意味着它具有可扩展性、可靠性，并且与现有的半导体制造工艺兼容。

　　通过实验，NS-RAM单元表现出低功耗、在多个操作周期内保持稳定性能并在不同设备上表现出一致、可预测的行为——所有这些都是构建适用于实际应用的可靠ANN硬件所需的属性。该团队的突破标志着紧凑、节能的AI处理器开发的一个重大进步，可以实现更快、响应更快的计算。

　　你知道吗？这项技术的应用前景非常广泛。想象一下，未来的智能手机不仅能处理日常任务，还能像人脑一样高效地学习和记忆。划重点，这不仅仅是理论上的可能性，而是已经在实验室中得到验证的技术。

　　这项技术的工作原理是什么呢？简单来说，通过调整晶体管的电阻，研究人员能够模拟神经元的放电行为和突触的权重变化。这一过程依赖于穿透碰撞电离和电荷捕获两种物理现象。这两种现象在特定条件下可以被精确控制，从而实现对神经元和突触行为的模拟。

　　那么，这项技术对我们有什么实际意义呢？首先，它为基于硬件的人工神经网络提供了一种高度可扩展且节能的解决方案。其次，它使得神经形态计算更加接近现实，为未来更高效的计算系统铺平了道路。最后，由于使用的是商用CMOS技术，这项技术具有很高的可扩展性和可靠性，可以迅速应用于现有制造工艺中。

　　未来，这项技术可能会与其他先进技术结合，进一步推动人工智能的发展。例如，它可以与量子计算相结合，实现更强大的计算能力；或者与物联网技术结合，实现更加智能的边缘计算。无论哪种情况，这项技术都将在未来的科技发展中扮演重要角色。

　　你认为这项技术会对未来的科技发展带来哪些影响？欢迎在评论区分享你的看法。返回搜狐，查看更多