在人工智能领域，神经形态计算一直被视为未来计算技术的重要发展方向。然而，如何让芯片像人脑一样高效节能地处理信息，一直是科学家们面临的巨大挑战。
新加坡国立大学（NUS）的研究团队在这一领域取得了重大突破，证明单个标准硅晶体管可以模拟神经和突触行为，相关研究于2025年3月26日发表在《Nature》杂志上。
大脑的启示：
高效节能的神经形态计算
人类的大脑是世界上最先进的“计算机”，拥有近900亿个神经元，它们通过数万亿个突触相互连接。
突触的可塑性——即突触强度随时间变化的能力——是学习和记忆的基础。这种复杂的生物结构使得大脑在处理信息时不仅高效，而且极为节能。
然而，尽管人工神经网络（artificial neural network，简称ANN）在软件层面取得了巨大成功，如为ChatGPT等大型语言模型提供支持，但这些基于软件的ANN对计算资源和电力的需求极大。这使得它们在许多实际应用中并不实用。
神经形态计算的目标是模仿大脑的计算能力和能源效率，通过在同一位置执行内存和计算（In-Memory Computing，简称IMC），开发能够更忠实复制神经元和突触工作方式的电子设备。
NUS副教授 Mario Lanza 来源：NUS官网
NUS的重大突破：
单个晶体管的神经与突触行为
新加坡国立大学的研究团队由设计与工程学院材料科学与工程系副教授Mario Lanza领导，他们发现单个标准硅晶体管在特定操作模式下可以模拟生物神经元和突触的行为。
这一创新的关键在于通过调整晶体管的体终端电阻，控制穿透碰撞电离和电荷捕获两种物理现象，从而实现神经放电和突触权重变化。
具体来说，研究人员通过精确调整晶体管的体终端电阻，使其能够在神经元模式下实现10³动态范围的漏极-积分-发放特性。
这一成果不仅证明了单个晶体管可以模拟复杂的生物神经行为，还为基于硬件的人工神经网络（ANN）提供了一种高度可扩展且节能的解决方案。
成果发表页面 来源：Nature官网
NS-RAM单元：
基于CMOS的高效能与高兼容性
基于这一发现，研究团队进一步构建了“神经突触随机存取存储器”（NS-RAM）单元，能够在神经元和突触模式之间灵活切换，表现出低功耗、稳定性能以及一致可预测的行为。
与传统方法相比，NS-RAM单元利用成熟的商用Complementary Metal Oxide Semiconductor （简称CMOS）技术，具有高度的可扩展性、可靠性和与现有半导体制造工艺的兼容性。
Mario Lanza教授指出：“其他方法需要复杂的晶体管阵列或新材料，制造工艺也不确定，但我们的方法利用的是商用CMOS技术，这是现代计算机处理器和内存微芯片中采用的相同平台。这意味着它可扩展、可靠，并且与现有的半导体制造工艺兼容。”
通过实验，NS-RAM单元不仅在多个操作周期内保持稳定性能，还在不同设备上表现出一致、可预测的行为，所有这些特性都是构建适用于实际应用的可靠ANN硬件所必需的。
晶体管及其在神经突触模拟设备中的应用 来源：Nature官网
对未来人工智能硬件的深远影响
新加坡国立大学的这一突破为紧凑、节能的AI处理器开发带来了重大进步。
NS-RAM单元的低功耗和高稳定性使其在多个操作周期内保持优异性能，为构建适用于实际应用的可靠人工神经网络（ANN）硬件提供了坚实基础。
这种技术有望实现更快、响应更迅速的计算，特别适用于边缘计算、智能可穿戴设备、自动驾驶等领域。
随着研究的进一步深入，这种基于CMOS的神经形态计算技术有望推动人工智能硬件的广泛应用和发展。
未来，我们有理由相信，这种高效节能的神经形态计算硬件将为人工智能领域带来更多的创新和突破，让人工智能技术更加贴近人类大脑的高效计算模式。
