人工神经元成功与活体脑细胞实现双向通信

西北大学的工程师们研发出一种打印式人工神经元，这种神经元不仅能够模拟真实神经元的行为，还能直接与活体脑细胞进行交互。这些柔性、低成本的器件能够产生与生物神经元高度相似的电信号，并可激活生物脑组织。

在以小鼠脑切片为对象的实验中，人工神经元成功触发了真实神经元的响应，展示出电子器件与活体神经系统之间前所未有的兼容性。

迈向脑机接口与高能效 AI

这一突破使研究人员在实现与神经系统直接交互的电子器件方面迈出了重要一步。其潜在应用场景包括脑机接口和神经假体，例如可帮助恢复听觉、视觉或运动功能的植入设备。

该技术同时为新一代仿脑计算系统的发展指明了方向。通过复现神经元的通信方式，未来的硬件有望以更低的能耗完成复杂任务。大脑是目前已知能效最高的计算系统，科学家希望将其工作原理应用于现代计算技术。

相关研究已于4月15日发表在《自然·纳米技术》期刊上。

"我们今天所处的世界被人工智能（AI）所主导，"主导这项研究的西北大学教授Mark C. Hersam表示，"让AI变得更智能的方式是用越来越多的数据对其进行训练。这种数据密集型训练导致了巨大的能耗问题。因此，我们必须研发更高效的硬件来处理大数据和AI任务。由于大脑的能效比数字计算机高出五个数量级，向大脑寻求下一代计算架构的灵感是顺理成章的选择。"

Hersam是脑启发计算领域的权威专家，现任西北大学麦考密克工程学院材料科学与工程系Walter P. Murphy讲席教授，同时担任费恩伯格医学院医学教授、温伯格文理学院化学教授，以及材料科学与工程系主任、材料研究科学与工程中心主任和国际纳米技术研究所成员。此次研究由他与麦考密克学院研究副教授Vinod K. Sangwan联合主导。

为何大脑的表现优于传统硅芯片

现代计算机通过在坚硬的二维硅芯片上集成数十亿个相同的晶体管来应对日益增长的计算需求。每个元件的行为方式相同，一旦制造完成，系统便固定不变。

大脑的运作方式截然不同。它由多种各司其职的神经元组成，排列成柔软的三维网络，这些网络会随着学习的发生不断调整和重构连接。

"硅通过拥有数十亿个相同的器件来实现复杂性，一切都相同、刚性、在制造后固定不变，"Hersam说，"大脑恰恰相反，它是异质的、动态的、三维的。要朝这个方向发展，我们需要新材料和新的电子器件构建方式。"

尽管人工神经元此前已有研究，但大多数产生的信号过于简单。为实现更复杂的行为，工程师通常需要大规模器件网络，这反而增加了能耗。

可打印材料实现仿脑行为

为更真实地复现神经活动，Hersam团队采用与大脑结构更为接近的柔性可打印材料构建人工神经元。其方案以二硫化钼（MoS2）纳米薄片作为半导体材料、以石墨烯作为导电材料制成电子墨水，并通过气溶胶喷射打印技术将其沉积到柔性聚合物基底上。

以往研究人员将这些墨水中的聚合物视为缺陷，因为它会干扰电学性能，因此在打印后会将其去除。而在本研究中，团队反其道而行，将这一特性转化为增强器件性能的手段。

"我们不是完全去除聚合物，而是对其进行部分分解，"Hersam说，"当电流通过器件时，会进一步驱动聚合物分解。这种分解以空间非均匀的方式发生，从而形成导电细丝，使电流被限制在一个狭窄区域内。"

这条狭窄的导电通路能产生类似神经元放电的突发电响应。由此实现的器件可生成多种信号，包括单个尖峰、持续放电和簇发模式，与真实的神经通信高度相似。

由于每个人工神经元能产生更复杂的信号，执行高级任务所需的器件数量大幅减少，这将显著提升计算效率。

在真实脑组织上测试人工神经元

为验证人工神经元能否真正与活体系统交互，研究团队与西北大学温伯格学院神经生物学Bill and Gayle Cook讲席教授Indira M. Raman展开合作。其团队将人工信号施加于小鼠小脑切片上。

结果显示，人工神经元产生的电尖峰与生物神经元的关键特性高度吻合，包括信号的时序和持续时间。这些信号能够可靠地激活真实神经元，并以与自然脑活动相似的方式触发神经回路。

"其他实验室曾尝试用有机材料制造人工神经元，但放电速度太慢；也有使用金属氧化物的，但又太快，"Hersam说，"我们实现了此前人工神经元从未达到的时间范围。可以清晰地看到活体神经元对我们人工神经元的响应。我们所展示的信号不仅时间尺度正确，尖峰形状也正确，能够直接与活体神经元交互。"

低成本、可持续制造工艺及对 AI 的启示

除性能优势外，这一新方案还具备环保和实用价值。其制造工艺简单、成本低廉，增材打印方法仅在所需位置沉积材料，大幅减少了原料浪费。

随着 AI 系统对计算资源的需求持续攀升，提升能效变得尤为迫切。大型数据中心已消耗大量电力，并需要大量水资源用于冷却。

"为满足 AI 的能源需求，科技公司正在建造以专用核电站供能的吉瓦级数据中心，"Hersam说，"显然，如此庞大的能耗将制约计算规模的进一步扩展——难以想象下一代数据中心需要100座核电站来供电。另一个问题是，当你耗散吉瓦级的功率时，会产生大量热量。由于数据中心依赖水冷，AI 正在对水资源造成严峻压力。无论从哪个角度看，我们都需要为 AI 研发更高能效的硬件。"

本研究题为《由打印MoS2忆阻纳米薄片网络实现的多阶复杂性尖峰神经元》，由美国国家科学基金会提供资助。

Q&A

Q1：打印式人工神经元是什么？它是如何工作的？

A：打印式人工神经元是由西北大学工程师研发的一种柔性电子器件，以二硫化钼纳米薄片作为半导体、石墨烯作为导体，通过气溶胶喷射打印技术制成。其核心原理是通过对聚合物的部分分解形成导电细丝，产生类似神经元放电的突发电响应，能生成单个尖峰、持续放电和簇发等多种信号模式，并可直接与活体脑细胞交互。

Q2：人工神经元技术对AI硬件发展有什么意义？

A：当前AI训练高度依赖数据，导致数据中心能耗急剧上升。人工神经元技术通过模拟大脑的工作方式，有望研发出比现有数字计算机能效高出数个数量级的新型硬件。大脑比数字计算机高效约十万倍，将其原理应用于AI硬件，可大幅降低计算能耗，缓解数据中心对电力和冷却水资源的巨大压力。

Q3：人工神经元与真实脑细胞的交互实验是如何进行的？

A：研究团队与神经生物学教授Indira M. Raman合作，将人工神经元产生的电信号施加于小鼠小脑切片。实验结果表明，人工神经元产生的电尖峰在时序和持续时间上与生物神经元高度吻合，能够可靠激活真实神经元并触发神经回路，展现出与自然脑活动相似的响应模式。