人工神经元将 DRAM 与 MoS₂ 电路融合，更好地模拟类似大脑的适应性

抖音热门 2025年08月31日 17:47 1 admin

信息来源：https://techxplore.com/news/2025-08-artificial-neuron-merges-dram-mos.html

复旦大学研究团队开发出一种革命性的人工神经元器件，成功将传统计算机内存与超薄半导体材料结合，创造出能够真正模拟大脑适应性学习的硬件系统。这项发表在《自然电子学》杂志上的研究成果，标志着神经形态计算领域的重大突破，为下一代人工智能硬件奠定了坚实基础。

该团队由王印教授和苟赛飞教授领导，他们的创新在于将动态随机存取存储器与基于二硫化钼的电路巧妙融合。这种设计不仅能够模拟生物神经元的基本功能，更重要的是实现了内在可塑性——大脑根据经验调整自身响应特性的核心机制。研究团队成功构建了3×3神经元阵列，并展示了其在光感适应和图像识别任务中的卓越表现。

与传统的人工神经网络硬件相比，这种新型器件具有显著优势。它能够动态调节自身的敏感性，就像人类视觉系统在明暗环境间切换时自动适应一样。这种特性使得基于该技术的计算系统能够更高效地处理复杂的环境变化，同时大幅降低能耗。

技术创新的双重突破

多功能神经元模块设计。图片来源：《自然电子学》（2025）。DOI：10.1038/s41928-025-01433-y

这项研究的核心创新体现在两个关键组件的巧妙结合。首先是动态随机存取存储器系统，它利用电容器存储电荷来模拟生物神经元膜电位的变化。通过精确控制电容器中的电荷量，研究人员能够模拟神经元是否"放电"的决策过程，这是神经信息处理的基础。

第二个关键组件是基于单层二硫化钼的反相器电路。二硫化钼是一种超薄的二维半导体材料，仅有原子层厚度，具有优异的电子学特性。反相器电路的作用是将输入信号在高低电压间转换，从而产生类似于生物神经元放电时的电流脉冲。

这两个组件的结合创造了一个真正具有适应性的系统。正如研究团队所解释的："在该系统中，动态随机存取存储器电容器中的电压可以进行调节，以模拟内在可塑性。该模块还可以通过动态调节光敏感度来模拟人类视觉系统的明视和暗视适应。"

这种设计的巧妙之处在于它不仅模拟了神经元的静态特性，更重要的是实现了动态适应能力。传统的人工神经网络硬件通常具有固定的响应特性，而这种新型器件能够根据输入历史和环境条件自动调整其行为模式。

从实验室到实际应用

为了验证这一创新技术的实际潜力，研究团队进行了一系列严格的测试。他们构建了一个3×3的光感受器神经元阵列，这个看似简单的配置实际上展现了复杂的集体行为。该阵列能够响应光线强度的变化，并动态调整其敏感性，完美模拟了人类视觉系统的适应机制。

在图像识别任务的测试中，该系统表现出了令人印象深刻的性能。与传统的数字计算系统不同，这种神经形态硬件能够并行处理信息，就像大脑一样。这种并行处理能力不仅提高了计算速度，还显著降低了能耗，这对于移动设备和边缘计算应用具有重要意义。

研究结果显示，该系统在处理视觉信息时展现出了真正的生物学特征。它能够在不同光照条件下自动调整响应特性，这种适应性是传统图像传感器所缺乏的。这一特性使得基于该技术的视觉系统能够在复杂多变的真实环境中保持稳定的性能。

更重要的是，该系统展现出了学习能力。通过重复的刺激和响应过程，神经元阵列能够优化其响应模式，提高对特定输入模式的识别准确率。这种学习过程不需要外部的训练算法，而是通过硬件本身的物理特性自然实现的。

神经形态计算的未来前景

这项研究成果对神经形态计算领域具有深远影响。随着人工智能应用的快速发展，传统的冯·诺依曼计算架构面临越来越大的挑战。数据在处理器和内存之间的频繁传输不仅降低了计算效率，还大幅增加了能耗。神经形态硬件通过模拟大脑的并行处理和存储一体化特性，为解决这些问题提供了全新的途径。

该研究团队指出："能够准确模拟多种神经元行为的神经形态硬件可能有助于边缘智能的发展。要模拟全方位的学习和记忆过程，需要多种可塑性机制的相互作用，包括内在可塑性。"

这种技术的应用前景十分广阔。在自动驾驶领域，基于这种神经形态视觉传感器的系统能够更好地适应不同的光照和天气条件。在医疗诊断中，类脑的图像处理能力可能帮助开发更准确的诊断工具。在机器人技术中，这种适应性硬件能够使机器人更好地理解和响应复杂的环境变化。

此外，这项技术还为开发超低功耗的人工智能系统铺平了道路。随着物联网设备的普及，对低功耗智能硬件的需求急剧增长。传统的数字处理器在执行人工智能任务时消耗大量电能，而神经形态硬件通过模拟大脑的高效信息处理机制，能够在保持性能的同时大幅降低功耗。

研究团队表示，他们计划基于这一技术平台开发更复杂的神经网络系统，并在更多计算任务上测试其性能。随着制造工艺的进步和材料科学的发展，这种神经形态硬件有望在未来几年内实现商业化应用，为人工智能技术的发展注入新的活力。

7分钟揭秘“微信小程序天津麻将赢牌技巧”（通用挂软件多少钱)

发表评论