推动人工智能半导体器件发展：单个晶体管充当神经元和突触
发布时间：2025-04-01 17:13:06 阅读数： 678
晶体管及其在神经突触模拟装置中的应用。图片来源：《自然》（2025 年）。DOI：10.1038/s41586-025-08742-4
新加坡国立大学 (NUS) 的研究人员已经证明，单个标准硅晶体管（计算机、智能手机和几乎所有电子系统中使用的微芯片的基本构件）在以特定的、非常规的方式操作时可以像生物神经元和突触一样发挥作用。
该研究团队由新加坡国立大学设计与工程学院材料科学与工程系副教授 Mario Lanza 带领，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。
这使得神经形态计算（芯片可以更有效地处理信息，就像人脑一样）更接近现实。他们的研究发表在《自然》杂志上。
将大脑放入硅片中
世界上最复杂的计算机已经存在于我们的大脑中。研究表明，人类大脑总体上比电子处理器更节能，这要归功于近 900 亿个神经元，它们彼此之间形成了约 100 万亿个连接，而突触会随着时间的推移调整其强度——这一过程被称为突触可塑性，它是学习和记忆的基础。
几十年来，科学家一直试图利用人工神经网络 (ANN) 复制这种效率。ANN 近来推动了人工智能 (AI) 的显著进步，其灵感大致来源于大脑处理信息的方式。
但尽管它们借用了生物学术语，但相似之处只是表面上的——基于软件的 ANN（例如为 ChatGPT 等大型语言模型提供支持的 ANN）对计算资源有着极大的需求，因此也需要电力。这使得它们在许多应用中并不实用。
神经形态计算旨在模仿大脑的计算能力和能源效率。这不仅需要重新设计系统架构以在同一位置执行内存和计算（即所谓的内存计算 (IMC)），还需要开发利用物理和电子现象的电子设备，以便能够更忠实地复制神经元和突触的工作方式。
然而，目前的神经形态计算系统因需要复杂的多晶体管电路或新兴材料而受到阻碍，这些材料尚未经过大规模制造的验证。
兰扎教授说：“为了实现真正的神经形态计算，即微芯片的行为类似于生物神经元和突触，我们需要既可扩展又节能的硬件?！?/p>
新加坡国立大学的研究小组现已证明，单个标准硅晶体管在以特定方式排列和操作时，可以复制神经放电和突触重量变化——这是生物神经元和突触的基本机制。
这是通过将块体终端的电阻调整到特定值来实现的，这可以控制晶体管中发生的两种物理现象：穿透碰撞电离和电荷捕获。此外，该团队还构建了一个能够在神经元或突触状态下运行的双晶体管单元，研究人员将其称为“神经突触随机存取存储器”，简称 NS-RAM。
“其他方法需要复杂的晶体管阵列或可制造性不确定的新材料，但我们的方法利用商用 CMOS（互补金属氧化物半导体）技术，这是现代计算机处理器和内存微芯片中所使用的同一平台，”兰扎教授解释道。
“这意味着它具有可扩展性、可靠性并且与现有的半导体制造工艺兼容?！?/p>
通过实验，NS-RAM 单元表现出了低功耗，在多个操作周期内保持了稳定的性能，并在不同设备上表现出了一致、可预测的行为——所有这些都是构建适合实际应用的可靠 ANN 硬件所需的属性。
该团队的突破标志着紧凑、节能的人工智能处理器发展的重大变革，可以实现更快、响应更快的计算。
