仿生神经元突破：模拟生物功能推动芯片性能飞跃

美国南加州大学（USC）维特比工程学院与高级计算学院的研究团队开发出一种新型人工神经元，可高度模拟生物神经元的电化学行为，为类脑计算（神经形态计算）带来重大突破。该成果发表于《自然·电子学》杂志，有望大幅缩小芯片尺寸、降低能耗，并推动通用人工智能（AGI）的发展。 与传统数字芯片或基于硅的类脑芯片仅通过数学模型模拟神经活动不同，这种新式人工神经元在物理层面复现了生物神经元的动态过程。其核心是将一个扩散型忆阻器（diffusive memristor）与一个电阻堆叠在单个晶体管之上，形成仅约4平方微米的微型单元，仅需一个晶体管的面积，远低于传统设计所需的数十至数百个晶体管。 在生物大脑中，神经信号通过电化学方式传递：电信号在神经元内传导，到达突触时转化为化学信号（如钠、钾、钙离子），再传递至下一神经元。研究团队利用银离子在氧化物中的扩散，模拟这一过程，实现类似生物神经元的信号生成与处理。尽管使用的是银离子而非生物体内的离子，但其运动机制和动力学特性高度相似，能有效复现神经元的复杂功能。 该技术的优势在于，它使计算过程更接近人脑的运行方式——通过离子运动实现硬件级学习，而非依赖电子的软件式学习。人脑仅耗电约20瓦，却能以极低能耗完成学习、规划等任务，而当前大型AI模型需数兆瓦电力。该团队认为，离子比电子更适合构建类脑系统，因为它们能实现更高效、更自适应的硬件学习。 研究负责人、南加州大学电子工程教授Joshua Yang指出，当前计算系统虽强大，但效率不足。他强调，人脑是进化的“胜利者”，其高效性值得借鉴。通过构建基于离子动力学的硬件系统，未来芯片有望在保持智能水平的同时，实现能耗和体积的“数量级”降低。 目前，银离子与现有半导体工艺不兼容，团队正探索其他离子材料以实现工业化应用。下一步，他们将集成大量此类神经元，测试其在模拟人脑效率和功能方面的潜力。Yang表示，这一技术不仅可能推动AI发展，还可能帮助人类更深入理解大脑本身的工作机制。