在人工智慧領域，神經形態計算一直被視為未來計算技術的重要發展方向。然而，如何讓晶片像人腦一樣高效節能地處理信息，一直是科學家們面臨的巨大挑戰。
新加坡國立大學（NUS）的研究團隊在這一領域取得了重大突破，證明單個標準矽電晶體可以模擬神經和突觸行為，相關研究於2025年3月26日發表在《Nature》雜誌上。
大腦的啟示：
高效節能的神經形態計算
人類的大腦是世界上最先進的「計算機」，擁有近900億個神經元，它們通過數萬億個突觸相互連接。
突觸的可塑性——即突觸強度隨時間變化的能力——是學習和記憶的基礎。這種複雜的生物結構使得大腦在處理信息時不僅高效，而且極為節能。
然而，儘管人工神經網絡（artificial neural network，簡稱ANN）在軟體層面取得了巨大成功，如為ChatGPT等大型語言模型提供支持，但這些基於軟體的ANN對計算資源和電力的需求極大。這使得它們在許多實際應用中並不實用。
神經形態計算的目標是模仿大腦的計算能力和能源效率，通過在同一位置執行內存和計算（In-Memory Computing，簡稱IMC），開發能夠更忠實複製神經元和突觸工作方式的電子設備。
NUS副教授 Mario Lanza 來源：NUS官網
NUS的重大突破：
單個電晶體的神經與突觸行為
新加坡國立大學的研究團隊由設計與工程學院材料科學與工程系副教授Mario Lanza領導，他們發現單個標準矽電晶體在特定操作模式下可以模擬生物神經元和突觸的行為。
這一創新的關鍵在於通過調整電晶體的體終端電阻，控制穿透碰撞電離和電荷捕獲兩種物理現象，從而實現神經放電和突觸權重變化。
具體來說，研究人員通過精確調整電晶體的體終端電阻，使其能夠在神經元模式下實現10³動態範圍的漏極-積分-發放特性。
這一成果不僅證明了單個電晶體可以模擬複雜的生物神經行為，還為基於硬體的人工神經網絡（ANN）提供了一種高度可擴展且節能的解決方案。
成果發表頁面 來源：Nature官網
NS-RAM單元：
基於CMOS的高效能與高兼容性
基於這一發現，研究團隊進一步構建了「神經突觸隨機存取存儲器」（NS-RAM）單元，能夠在神經元和突觸模式之間靈活切換，表現出低功耗、穩定性能以及一致可預測的行為。
與傳統方法相比，NS-RAM單元利用成熟的商用Complementary Metal Oxide Semiconductor （簡稱CMOS）技術，具有高度的可擴展性、可靠性和與現有半導體製造工藝的兼容性。
Mario Lanza教授指出：「其他方法需要複雜的電晶體陣列或新材料，製造工藝也不確定，但我們的方法利用的是商用CMOS技術，這是現代計算機處理器和內存微晶片中採用的相同平台。這意味著它可擴展、可靠，並且與現有的半導體製造工藝兼容。」
通過實驗，NS-RAM單元不僅在多個操作周期內保持穩定性能，還在不同設備上表現出一致、可預測的行為，所有這些特性都是構建適用於實際應用的可靠ANN硬體所必需的。
電晶體及其在神經突觸模擬設備中的應用 來源：Nature官網
對未來人工智慧硬體的深遠影響
新加坡國立大學的這一突破為緊湊、節能的AI處理器開發帶來了重大進步。
NS-RAM單元的低功耗和高穩定性使其在多個操作周期內保持優異性能，為構建適用於實際應用的可靠人工神經網絡（ANN）硬體提供了堅實基礎。
這種技術有望實現更快、響應更迅速的計算，特別適用於邊緣計算、智能可穿戴設備、自動駕駛等領域。
隨著研究的進一步深入，這種基於CMOS的神經形態計算技術有望推動人工智慧硬體的廣泛應用和發展。
未來，我們有理由相信，這種高效節能的神經形態計算硬體將為人工智慧領域帶來更多的創新和突破，讓人工智慧技術更加貼近人類大腦的高效計算模式。
