脑启发电子学的一项突破，可能催生不依赖传统计算架构即可处理信息并进行学习的器件。

单一纳米级电子元件可执行三种不同功能：开关电流、通过电阻存储信息，以及通过电容变化记住过去的电活动。德国研究人员利用特殊氧化物材料展示了这种多功能性，为更接近人脑处理信息并适应环境方式的计算机硬件提供了可能路径。

当前人工智能系统耗电量巨大，尤其是在训练大模型期间。研究者探索替代硬件的原因之一是，传统计算机通常将存储器与计算单元分离，需要信息在两者之间移动。大脑的运行方式不同。其神经元通过突触通信，这些连接会随重复或强烈信号而变化。这种适应能力称为神经可塑性，帮助大脑从经验中学习。

可学习的特殊材料界面

维尔茨堡大学的研究团队开发出可复现神经元和突触若干重要行为的电子元件。其方法使用复杂氧化物，这类材料的电学性质可被调节，从而在同一系统中支持不同功能。

这些器件依赖两种材料：铝酸镧（LaAlO₃，简称 LAO）和钛酸锶（SrTiO₃，简称 STO）。二者单独看都是电绝缘体，但组合后会在界面形成极薄的导电层。该层称为准二维电子气，使电子可在局限于材料边界区域的范围内移动。

通过精细图案化界面，研究人员可构建微观导电通道。电流可推动结构中的氧原子发生位移，改变其电阻。这些变化使器件能够通过电刺激被训练，为存储先前活动的信息提供物理机制。

单一微型器件集成三种电子功能

利用该材料平台，维尔茨堡研究人员制作出可作为晶体管、忆阻器或忆容器工作的元件。晶体管控制电流流动，忆阻器通过电阻变化存储信息。忆容器的行为不同：其存储电荷的能力取决于先前的电学状态。

研究人员证明，单个纳米级元件可根据电气连接方式提供上述三种功能中的任意一种。这种多功能性可简化直接构建在电子硬件中的人工神经网络设计。

维尔茨堡大学技术物理讲席博士后研究员 Soumen Pradhan 表示：“该平台的关键在于，我们能在同一材料体系中实现差异显著的功能。这使硬件更接近在器件内部直接完成计算、学习并临时存储信息的目标。”

迈向更高能效的类脑计算

类脑计算旨在电子电路中复现大脑的部分信息处理与学习机制。此类系统不持续在独立处理单元与存储单元之间传输数据，而是力求在单个元件内整合计算、信息存储与适应能力。

论文合著者 Ralph Claessen 表示：“复杂氧化物是一个尤其值得关注的方向，因为它在单一材料平台上整合了多种电子特性。这正是其对新一代高能效、可适应计算机硬件具有吸引力的原因。”

可穿戴健康技术中的潜在应用

一个潜在应用是健康监测。采用此类自适应电子学的可穿戴设备最终可能直接分析生理信号，而无需为每项处理任务配置独立计算硬件。

此类自学习传感器有望跟踪心率、血压、体温、血氧饱和度或血糖，同时根据输入数据调整响应。在本地处理信号还可降低将信息传输至外部系统所需的能量。

目前，这些可能性仍是长期目标。该研究展示的是底层电子功能，而非完整的人工智能系统或医疗传感器。仍需进一步开发，以确定该技术能否在能耗、可靠性和性能方面带来实际改进。

参考文献：Soumen Pradhan、Kirill Miller、Fabian Hartmann、Merit Spring、Judith Gabel、Berengar Leikert、Silke Kuhn、Martin Kamp、Victor Lopez-Richard、Michael Sing、Ralph Claessen 和 Sven Höfling，Oxide interface-based polymorphic electronic devices for neuromorphic computing，Nature Communications，2026年4月9日，DOI：10.1038/s41467-026-71642-2。