神经形态重大突破！

关注我们 设为星标

南加州大学研发人工神经元，复刻大脑电化学行为助力神经形态计算

美国南加州大学（USC）维特比工程学院与高级计算学院的研究人员，成功开发出能够复刻生物脑细胞复杂电化学行为的人工神经元。这项成果已发表于《自然・电子学》（Nature Electronics），是神经形态计算技术领域的重大突破。该技术不仅能将芯片尺寸缩小多个数量级，还能大幅降低能耗，有望为通用人工智能（AGI）的发展提供助力。

不同于传统数字处理器，也有别于现有基于硅技术的神经形态芯片—— 这类芯片仅能模拟神经活动，新研发的人工神经元能在物理层面再现并模拟其生物原型的模拟动态过程。就像神经化学物质会触发大脑活动一样，在这种 “类脑” 神经形态硬件设备中，化学物质也可启动计算过程。由于它是对生物过程的物理复刻，因此与以往纯数学方程构建的人工神经元版本有本质区别。

该研究由南加州大学计算机与电气工程教授约书亚・杨（Joshua Yang）主导。约书亚・杨十多年前就曾撰写人工突触领域的开创性论文，此次他带领团队推出了一种基于 “扩散型忆阻器”（diffusive memristor）的新型人工神经元。发表于《自然・电子学》的论文指出，这类人工神经元有望催生出全新的芯片品类，补充并拓展现有硅基技术的应用边界 —— 目前几乎所有现代电子设备都依赖硅基技术，其计算过程主要依靠电子运动；而约书亚・杨团队研发的扩散型器件（人工神经元的核心）则依靠原子运动。这种类脑芯片的运行模式更接近人类大脑，能耗更低，且可能推动通用人工智能（AGI）的落地。

技术原理：复刻大脑“电 - 化学 - 电” 信号转换过程

在生物机制中，大脑通过电信号与化学信号共同驱动身体产生动作。神经元（神经细胞）首先产生电信号，当电信号传递至神经元末端的间隙（即突触）时，会转化为化学信号，以实现信息的传递与处理。当信息传递到下一个神经元后，部分化学信号会再次转化为电信号，并沿神经元传导。约书亚・杨团队已在多个关键环节，高保真度地模拟出这一物理过程。该技术的核心优势在于：基于扩散型忆阻器的人工神经元，仅需单个晶体管的尺寸就能实现功能，而传统设计则需要数十至数百个晶体管。

在生物模型中，离子（带电粒子）是神经元内部电信号的“发生器”，正是离子的运动促使神经元产生活动。以人类大脑为例，这一过程依赖钾、钠、钙等化学物质（即离子）的作用。

作为南加州大学神经形态计算卓越中心主任，约书亚・杨在此次研究中，利用氧化物中的银离子产生电脉冲，并模拟相关过程，从而实现对运动、学习、规划等活动的计算。他表示：“尽管我们的人工突触与神经元中使用的离子，和生物体内的离子并不完全相同，但支配离子运动的物理规律及动态过程却高度相似。”

约书亚・杨解释道：“银离子易于扩散，能为我们提供模拟生物系统所需的动态特性，让我们得以用极简的结构实现神经元的功能。” 这种可支撑类脑芯片的新型器件被命名为 “扩散型忆阻器”，其名称源于银离子的运动特性 —— 在器件运行过程中，银离子会发生动态扩散。

他补充称，团队选择利用离子动态特性构建人工智能系统，核心原因有二：一是人类大脑的智能机制本质就是离子运动，这是经过验证的高效模式；二是人类大脑本身就是“进化的优胜者，是最高效的智能引擎”。“离子驱动的系统效率更高，” 约书亚・杨强调。

这一优势至关重要。约书亚・杨指出：“问题不在于我们现有的芯片或计算机性能不足，而在于它们的效率太低，消耗的能源过多。” 尤其在运行海量数据驱动的大型软件模型（如人工智能领域的机器学习模型）时，能源消耗问题更为突出。

他进一步解释，现有计算系统的设计初衷，并非为“处理海量数据” 或 “通过少量样本自主学习” 而生，而人类大脑却擅长这两项任务。“要同时提升能源效率与学习效率，一条关键路径就是模仿大脑的运行原理来构建人工系统。”

若单纯追求速度，驱动现代计算的电子无疑是实现高速运算的最佳选择。但约书亚・杨表示：“在模拟大脑运行原理方面，离子比电子更合适。因为电子质量轻、易流失，基于电子的计算只能实现‘软件驱动学习’，而这与大脑‘硬件驱动学习’的本质逻辑完全不同。”

他进一步对比道：“大脑的学习过程，是通过离子跨膜运动实现的，能直接在硬件（更准确地说，是人们所说的‘湿件’）层面完成高效、自适应的学习。”

例如，儿童只需看到几个手写数字的样本，就能学会识别数字；而计算机要完成同样的任务，通常需要数千个样本。更关键的是，人类大脑完成这一复杂学习过程，仅需消耗约 20 瓦电能，而如今的超级计算机完成类似任务，却需要消耗兆瓦级的电能。

潜在影响：为通用人工智能铺路，需突破离子兼容性难题

这项新技术让人类向“模拟自然智能” 的目标又迈进了一步。

不过约书亚・杨也指出，实验中使用的银离子目前尚无法与传统半导体制造工艺兼容，未来需要研究其他可实现类似功能的离子种类，以解决技术落地的兼容性问题。

扩散型忆阻器的高效性体现在两个维度：能耗与尺寸。以智能手机为例，一部手机通常包含约 10 颗芯片，但支撑计算的晶体管（或控制 “开 / 关”、“0/1” 信号的开关）却多达数十亿个。

约书亚・杨表示：“借助这项创新，每个神经元只需单个晶体管的尺寸就能实现。我们正在设计的这些基础单元，最终有望帮助我们将芯片尺寸缩小多个数量级、能耗降低多个数量级 —— 这样一来，未来开展人工智能运算时，既能达到相近的智能水平，又无需消耗难以持续供应的大量能源，实现可持续发展。”

目前，研究团队已成功验证人工突触与人工神经元这两种“小巧且功能完备” 的基础单元。下一步，他们计划整合大量这类单元，测试其在复刻大脑效率与功能方面的接近程度。约书亚・杨对此充满期待：“更令人兴奋的是，这种‘高度复刻大脑’的系统，或许能帮助我们揭示大脑自身运行的新机制。”

邀请报名EDA技术大会 11月28日 上海 免费