科学家研发单晶体管离子仿生神经元，再现17种神经发放模式

从大连理工大学本科校友，到北京大学深圳研究生院硕士毕业生，再到某国产手机品牌硬件测试工程师，直至成为瑞典林雪平大学的博士生，并在如今首次实现单晶体管高分子仿生神经元（1T-OECN）。纪君朋用 12 年时间走出了一条跨学科、跨行业、跨国界的科研之路。

在他和团队所打造的这款单晶体管有机人工神经元中，所涉及到的关键器件是一个有机电化学器件，它具有类似生物神经元离子通道滞后的行为，以及掺杂和去掺杂开启过程不对称的特点。

有了这种装置，就能显示出多种类似神经元的行为。由于简化了有机神经元的结构，其单位面积小于其他有机神经元，因此可以在微米尺度上进行堆叠扩展，从而能够简化有机神经元的实现。

纪君朋和所在团队在相关论文中展示了 1T-OECN 与生物神经元一些高度相似的性能，包括可离子调控的多种神经元动力学行为、逻辑计算能力、多模态传感、高密度柔性阵列集成以及模拟神经回路。

这些性能支持了 1T-OECN 未来在脑-机接口（BCI，Brain-Computer Interface）、生物体内神经形态计算（Neuromorphic Computing）、柔性可穿戴神经电子设备等领域的潜在应用。

用一个器件打造仿生神经元的梦想

纪君朋表示，在人类的大脑中数百亿个神经元在复杂的网络中协同工作，仅靠微小的电信号和离子流动就能实现感知、判断、学习和记忆等高级功能。与之相比，传统的计算机，即便运行速度飞快，却在处理多感官信息、适应环境变化以及与生物系统“交流”方面显得笨拙而高耗能。

正因为如此，“像大脑一样思考”的人工神经元应运而生。研究人员希望通过模仿神经元的基本机制，构建出更加智能、节能、适应性强的电子系统。这不仅仅是为了构建更强大的人工智能，还因为人们有一个更远大的目标——让电子设备能够与活体组织中的神经元“对话”。

想象一下，假如人工神经元可以“听懂”大脑信号，那么智能假肢就能听懂大脑的指令，自主移动；BCI 就能真正实现意念控制；植入体内的医疗设备也能与神经系统实现动态交互。因此，在理想情况下，人工神经元不仅要像生物神经元一样发放尖峰信号，还要能在离子环境下工作、柔软且可生物兼容。

目前主流的硬件人工神经元多基于硅技术，需要多个电路元件协同运行，难以实现小型化和柔性化，也无法直接接入人体神经系统。而有机电子材料，尤其是有机电化学晶体管（OECT，Organic Electrochemical Transistor），因其可以同时传导电子和离子，已成为连接电子与生物的桥梁，被视为构建“软体神经元”的关键。

然而，即便是基于 OECT 的有机神经元（OECN，Organic Electronic Chemical Neuron），目前也仍然依赖多个元件例如电阻、电容、放大器来模拟完整神经元的功能，难以大规模集成，距离真正的神经系统兼容还存在“器件复杂性”的瓶颈 [1]。

在此背景之下研究人员认为大道还需至简，于是产生了一个大胆的想法：是否可以只用一个 OECT 器件，构建具备生物神经元多种功能的人工神经元？

“材料-生物-电子”三者之间的对话

起初，本次研究并没有以“打造一个单晶体管神经元”为目标开始。真正启发他们的是一个看似偶然的实验结果。在适当的离子环境中，使用一种有机离子电子混合导体（OMIECs，Organic Mixed Ionic-Electronic Conductor）高分子材料 BBL 作为 OECT 的沟道时，课题组发现这种 OECT 表现出一种非常独特的行为：当施加电压时，它的电流响应不是立即变化，而是出现了延迟，而且这个延迟在不同方向上并不对称。

这让他们意识到也许在这个微小的器件中，隐藏着一种人们尚未充分理解的“动态复杂性”。

但是新的问题来了：这种复杂的行为到底能做什么？研究团队开始四处寻找答案。直到有一天，他们重新审视了生物神经元的工作原理。那一刻，就像打开了一扇门。

人类的大脑能思考、感知和做决定，依靠的是神经元之间的“电信号”传递。这种电信号的本质，是 Na⁺（钠）和 K⁺（钾）离子通过细胞膜的进出。

就像一场井然有序的表演，当神经元受到刺激时：

1. 在外界信号的刺激下，钠离子通道首先快速打开，Na⁺ 快速流入，让膜电位“突升”——就像“吸气”。

2. 紧接着钠离子通道关闭，钾离子通道打开，K⁺ 流出，帮助恢复平衡——就像“呼气”。

3. 恢复至静息电位后钾离子通道逐渐关闭，并在外界的持续刺激下开启下一个“吸气-呼气”循环。

总而言之，在一个循环中要先打开 Na⁺ 离子通道，而 K⁺ 通道需要延迟打开，即先“吸气”，再“呼气”。然后这个循环在外界刺激的激发下重复持续进行。

正是这种不对称、延迟、如呼吸般有节奏的离子流动，使得神经系统能够精确地产生“脉冲”信号，也就是研究团队所谓的“action potentials”，这也是大脑语言的“基本词汇”。

纪君朋告诉 DeepTech：“这不正像我们手中的晶体管吗？我们忽然意识到：或许无需复杂电路去模拟神经元，如果能像生物一样直接让离子材料和器件自己承担这些‘时机’和‘开关’的角色，就可能将整个神经元浓缩进一个器件中。”

研究团队发现，当使用 BBL 作为 OECT 的沟道材料时，施加适当的电流刺激会导致沟道呈现出延迟打开、随后在电压恢复到静息状态时自动关闭的特性，这种行为高度类似于生物神经元中 K⁺ 离子通道的延迟响应机制。同时，OECT 本身的本征电容能够模拟生物神经元中 Na⁺ 离子通道的快速激活效应，在外部刺激下迅速提升膜电位。当这种刺激持续存在时，器件便能连续产生类似神经元“呼吸”的尖峰电信号。因此，研究团队巧妙借鉴生物神经元的原理，在单个 OECT 器件中成功再现了离子通道协同作用下的尖峰脉冲生成过程。

就这样，他们从自然中汲取灵感，反向设计了一个全新的人工神经元结构，以生物神经元的离子通道为“蓝图”，将材料特性和电路连接方式结合，最终只用一个晶体管，就成功复现了神经元的多种核心功能。

他们相信这不仅仅是器件结构的简化，更是对自然机制理解的深化，是一次“材料-生物-电子”三者之间的一次对话。

向自然学习：电子设备还原神经元的智慧

由于研究团队的单晶体管电化学人工神经元（1T-OECN）具有与生物神经元相似的实现原理，它也理所应当可以实现类似生物神经元的强大功能。

其一，他们系统地对比了 1T-OECN 和真实神经元的行为，发现其能再现 17 种经典神经发放模式，包括 Tonic spiking、Phasic spiking、Bursting、Spike frequency adaptation、Chaotic spiking 等。这意味着这个器件能够模拟大脑中不同类型神经元的丰富“表达方式”。

其二，该器件在“尖峰”行为的基础上还可执行布尔逻辑运算：能够实现 AND、OR、XOR、NAND、NOR、XNOR 六种基本逻辑门功能，为未来“像神经元一样运算”的逻辑芯片奠定了基础。

其三，他们进一步将这个神经元器件与压力传感器结合，展示它能够接收机械压力信号并将其转化为神经形态的尖峰电信号。此外，其还可根据受力大小改变输出尖峰信号的频率。这个过程与生物皮肤实现的功能高度相似，模拟了生物神经系统中感受器–神经元的联动反应，是构建生物融合传感系统的重要一步。

其四，他们所打造的器件尺寸仅约为 180 µm2，并展示了其可以在柔性基底上制成高密度阵列，集成密度超过 62,500 个神经元 /cm2，体积密度可达 82,236 个神经元 /mm3，接近真实大脑皮层神经元密度，并能在人工神经元上直接生长生物神经元，展示了优秀的生物相容性。

其五，他们还展示了将多个器件串联模拟神经回路：将中间器件作为突触单元，通过电解液类型调节“突触权重”，实现了突触调制–神经元发放–传导路径的全过程，这展示了向软硬融合的人工神经网络系统迈进的可能性。

“异常”曲线背后的科学突破

在整个研究过程中，纪君朋的导师——瑞典林雪平大学教授西蒙尼·法比亚诺（Simone Fabiano）教授始终是该团队最坚实的支持者。每一次实验，无论结果是否“理想”，他都耐心倾听、给予鼓励，推动团队不断探索未知。

正是在这样的科研氛围下，纪君朋和团队成员逐渐意识到：有时，真正的科学突破就隐藏在那些看似“异常”的实验曲线中。最初，当他们观察到沟道延迟开启的现象时，由于与传统的预期实验结果有很大差别，纪君朋一度怀疑是实验操作出了问题。然而，在西蒙尼教授的鼓励和启发下，他们很快将这一现象与生物神经元中钾离子通道的延迟响应建立了联系。

许多研究者习惯用传统的电路设计和数学建模方式来构建人工神经元，但西蒙尼教授却引导他们走上了一条截然不同的路：回到生物神经元的本源，从生物神经元最基本的离子通道工作机制出发，去自然中寻找灵感，而不是一味地依赖工程化堆叠。正是这样的理念，孕育出了这项具有突破性的成果——单晶体管离子仿生神经元。

日前，相关论文以《单晶体管有机电化学神经元》（Single-transistor organic electrochemical neurons）为题发表在Nature Communications[2]，纪君朋是第一作者，瑞典林雪平大学教授西蒙尼·法比亚诺（Simone Fabiano）担任通讯作者。

接下来，研究团队将探索如何进一步优化其离子兼容性，实现与真实生理环境的无缝对接，并同时探索其在神经形态计算领域的潜在应用。

参考资料：

1.Harikesh, P.C., Yang, CY., Wu, HY. et al. Ion-tunable antiambipolarity in mixed ion–electron conducting polymers enables biorealistic organic electrochemical neurons.Nat. Mater.22, 242–248 (2023).

https://doi.org/10.1038/s41563-022-01450-8

2.Ji, J., Gao, D., Wu, HY. et al. Single-transistor organic electrochemical neurons.Nat Commun16, 4334 (2025).

https://doi.org/10.1038/s41467-025-59587-4

运营/排版：何晨龙