像真实脑细胞一样工作的人造神经元

与数字处理器或早期神经形态芯片仅通过数学模型模拟大脑活动不同，这些新型神经元能物理复现真实神经元的运作方式。就像自然大脑活动由化学信号触发一样，这些人工神经元利用实际化学相互作用启动计算过程，它们不只是符号化的表征，而是生物功能的有形再现。

### 一类新型类脑硬件
南加州大学计算机与电气工程系的约书亚·杨教授领导了这项研究，其基础是他十多年前在人工突触方面的开创性工作。该团队的新方法围绕一种名为“扩散型忆阻器”的器件展开。研究发现，这些组件可能催生新一代芯片，既能补充又能增强传统硅基电子设备。硅基系统依靠电子进行计算，而杨教授的扩散型忆阻器则利用原子运动，这一过程更接近生物神经元传递信息的方式。其成果可能是更小、更高效的芯片，能像大脑一样处理信息，并有望为通用人工智能（AGI）铺平道路。

大脑中，电信号和化学信号共同驱动神经细胞间的通信。当电脉冲到达神经元末端的突触时，会转化为化学信号传递给下一个神经元；接收后，该信号又会转回电脉冲继续在神经元内传递。杨教授及其同事以惊人的精确度在他们的器件中复制了这一复杂过程。该设计的一大优势是每个人工神经元仅占单个晶体管的尺寸，而早期设计则需要数十甚至数百个晶体管。

生物神经元中，被称为离子的带电粒子帮助产生神经系统活动所需的电脉冲。人脑依靠钾、钠、钙等离子实现这一过程。

### 利用银离子复现大脑动态过程
在这项新研究中，同时担任南加州大学神经形态计算卓越中心主任的杨教授，利用嵌入氧化物材料中的银离子产生电脉冲，模拟自然大脑功能，包括学习、运动和规划等基本过程。

“尽管我们的人工突触和神经元中使用的离子与生物体内不完全相同，但控制离子运动的物理规律和动态过程非常相似。”杨教授表示。

他解释道：“银易于扩散，能为我们提供模拟生物系统所需的动态特性，使我们能用非常简单的结构实现神经元功能。”这种可构建类脑芯片的新器件被称为“扩散型忆阻器”，得名于银离子的运动和动态扩散过程。

他补充说，团队选择利用离子动态过程构建人工智能系统，“是因为这正是人脑的工作方式——人脑是进化的‘赢家’，是最高效的智能引擎，这背后有充分的原因。”

“它效率更高。”杨教授说。

### 为何AI硬件的效率至关重要
杨教授强调，现代计算的问题不在于算力不足，而在于效率低下。“不是我们的芯片或计算机在执行任务时算力不够，而是效率不足，它们消耗的能量太多。”考虑到当今大规模人工智能系统处理海量数据时的能耗，这一点尤为重要。

他进一步解释，与大脑不同，“我们现有的计算系统从未被设计用于处理海量数据，也不能仅通过少数例子自主学习。提高能量效率和学习效率的一种方法是构建遵循大脑运作原理的人工系统。”

如果你追求纯粹的速度，驱动现代计算的电子是快速运算的最佳选择。但他解释道：“对于体现大脑原理而言，离子是比电子更好的媒介。因为电子质量轻且易挥发，用电子进行计算实现的是基于软件的学习，而非基于硬件的学习，这与大脑的运作方式有本质区别。”

相反，他说：“大脑通过离子跨膜运动进行学习，直接在硬件（更准确地说，在人们可能称为‘湿件’——即生物组织构成的计算系统——中）实现高效且自适应的学习。”

例如，幼儿只需看过几个手写数字的例子就能学会识别，而计算机通常需要数千个例子才能完成相同任务。然而，人脑完成这一卓越学习过程仅消耗约20瓦功率，相比之下，当今超级计算机则需要数兆瓦。

### 潜在影响与下一步计划
杨教授及其团队认为，这项技术是迈向复现自然智能的重要一步。不过，他也承认，实验中使用的银目前尚不能与标准半导体制造工艺兼容。未来的工作将探索其他能实现类似效果的离子材料。

扩散型忆阻器在能量和尺寸上都很高效。一部典型的智能手机可能包含约十块芯片，每块芯片都有数十亿个晶体管通过开关进行计算。

“而借助这项创新，我们每个神经元只需占用一个晶体管的尺寸。我们正在设计的基本组件，最终将使芯片尺寸和能耗都降低数个数量级，从而在未来以可持续的方式进行AI运算——在达到类似智能水平的同时，避免消耗无法承受的能量。”杨教授说。

“既然我们已经展示了性能可靠且结构紧凑的基本组件——人工突触和神经元，下一步就是集成大量这类组件，测试我们能在多大程度上复现大脑的效率和能力。”杨教授表示，“更令人兴奋的是，这种忠实于大脑原理的系统有望帮助我们揭示大脑自身运作的新见解。”