神经形态计算领域的突破可降低芯片能耗，加速迈向通用人工智能（AGI）的进程。

南加州大学维特比工程学院与先进计算学院的研究人员成功研制出人工神经元，其能高度模拟真实脑细胞复杂的电化学行为。这一突破性成果发表于《自然·电子学》期刊，标志着类脑计算领域迈出了关键一步。该创新方案有望将芯片尺寸大幅缩减，能耗降低数个数量级，为实现通用人工智能（AGI）开辟了更近的路径。

与仅能模拟神经活动的标准数字处理器或现有硅基神经形态芯片不同，这些人工神经元能真实再现生物神经元的模拟过程。正如神经化学物质触发大脑活动一样，如今特定化学物质也可用于启动脑启发式（即神经形态）硬件的计算。由于这些人工神经元复制的是真实的生物机制，而非依赖数学模型，因此它们与早期设计有着本质区别。

这项研究由南加州大学计算机与电气工程教授约书亚·杨（Joshua Yang）领衔——他此前在人工突触领域做出了开创性贡献。该研究推出了一种利用“扩散忆阻器”构建的新型人工神经元，并详细阐述了这一创新如何催生新一代芯片，从而提升并拓展当下基于硅基的技术。传统电子设备依赖电子流动实现计算，而杨教授的扩散式装置则采用原子运动原理。这种原子级工艺使神经元能够更接近人脑神经元的运作模式，不仅大幅提升了能源效率，更为通用人工智能（AGI）的发展开辟了新的可能。

其工作原理

在生物进程中，大脑借助电信号与化学信号共同驱动身体行动。神经元，即神经细胞，起初以电信号形式传递信息，当这些电信号抵达神经元末端那片被称为突触的空隙或间隙时，便会被转化为化学信号，以便进一步传递与处理信息。信息一旦跨越至下一个神经元，部分信号便会再次在神经元胞体中转换回电信号。这正是杨教授及其团队成功在多个关键层面高精度模拟的物理过程。其显著优势在于：他们基于扩散忆阻器的人工神经元，仅需单个晶体管的空间，远不及传统设计中所需的数十乃至上百个晶体管。

特别是，在生物模型中，离子或带电粒子有助于产生电信号，从而引发神经元内的活动。在人类大脑中，此类过程依赖于钾、钠或钙等化学物质（如离子）来驱动这一活动。

在本文中，任职于南加州大学类脑计算卓越中心主任的杨教授，利用氧化物中的银离子产生电脉冲，并模拟相关过程，以实现运动、学习和规划等活动的计算功能。

杨表示：“尽管我们的人工突触和神经元中所含的离子并不完全相同，但控制离子运动和动态变化的物理原理却极为相似。”

杨解释道：“银易于扩散，能为我们提供模拟生物系统所需的动态特性，使我们能够以非常简单的结构实现神经元的功能。”由于银在使用过程中会发生离子运动和动态扩散，因此，这种能让芯片具备类似大脑功能的新型装置被称为“扩散忆阻器”。

他补充道，该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发生的过程，有其充分理由，而且人类大脑是‘进化中的赢家——最高效的智能引擎’。”

杨表示：“这样效率更高。”

杨解释道，这至关重要，“并非我们的芯片或计算机在运行任务时性能不够强劲，而是它们的能效不足，能耗过高。”考虑到运行大型软件模型（如人工智能机器学习所需处理的海量数据）所需的能耗水平，这一问题尤为突出。

杨接着解释道，与大脑不同，“我们现有的计算系统从未旨在处理海量数据，也从未旨在仅凭少量实例就能自主学习。提升能源利用效率和学习效率的一种方法，是构建遵循大脑观察所得原理运行的人工系统。”

若你追求纯粹的速度，那么驱动现代计算的电子无疑是实现快速运算的最佳选择。但他解释道：“离子比电子更适合作为承载大脑原理的媒介。因为电子质量轻且易变，以电子为载体的计算方式更倾向于基于软件的学习，而非基于硬件的学习，而这与大脑的运作方式有着根本性的差异。”

与之相反，他表示：“大脑通过让离子穿过细胞膜来学习，直接在硬件中，或者更确切地说，在人们可能称之为‘湿件’的东西中，实现高效节能且适应性强的学习。”

例如，一个幼童只需看几个手写数字的样本便能学会辨认，而计算机通常需要成千上万个样本才能完成同样的任务。然而，人类大脑仅消耗约20瓦的能量就能完成这一非凡的学习过程，而当今的超级计算机则需要数兆瓦的能量。

潜在影响

这一新方法在模拟自然智能方面又迈进了一步。

杨指出，实验中所用的银与常规半导体制造工艺并不十分兼容，因此要实现类似功能，还需对其他离子种类展开研究。

这些扩散型忆阻器的效能优势不仅体现在能耗方面，还体现在体积上。通常情况下，一部智能手机约配备10枚芯片，但其中却包含着数十亿个晶体管或开关元件——这些微小器件通过控制通断状态或0/1二进制信号，支撑着整部设备的运算功能。

杨表示：“相反，[凭借这项创新]，我们每个神经元仅需占用一个晶体管的‘空间’。我们正在设计基础模块，这些模块最终将助力我们把芯片尺寸和能耗降低几个数量级，从而确保未来人工智能的运行具有可持续性，在保持同等智能水平的同时，避免消耗难以维系的能源。”

既然我们已经展示了功能强大且结构紧凑的构建模块——人工突触与神经元，下一步便是将大量此类模块加以整合，并测试我们能在多大程度上复现大脑的效率与能力。杨教授表示：“更令人振奋的是，这类高度模拟大脑的系统有望助力我们深入揭示大脑自身的运作机制。”

参考文献：《基于一个扩散忆阻器、一个晶体管和一个电阻的脉冲人工神经元》，作者：赵若愚、王桐、文泰焕、徐一春、赵健、皮尤什·苏德、金胜柱、廖汉庭、卓烨、里夫·米迪亚、希瓦·阿萨普、高大伟、荣子轩、邱琴如、辛西娅·鲍尔斯、克里希那穆尔蒂·马哈林加姆、S·甘古利、A·K·罗伊、吴庆、韩金宇、R·斯坦利·威廉姆斯、陈勇、J·约书亚·杨，2025年10月27日，发表于《自然·电子学》。 DOI：10.1038/s41928-025-01488-x

资助方：陆军研究办公室、陆军研究办公室、多学科大学研究计划（MURI）、卓越中心、空军研究实验室、美国国家科学基金会、美国国家科学基金会