在人工智能發展的道路上，科學家們一直在尋找更高效、節能的計算方式。最近，新加坡國立大學（NUS）的研究團隊取得了一項令人矚目的成果：他們成功將一個普通的硅晶體管變成了能模擬大腦功能的人工神經元，這一突破為人工智能硬件的發展開辟了新方向。

我們都知道，人類大腦是世界上最復雜且高效的 “計算機”。大腦中有近 900 億個神經元，它們相互連接形成約 100 萬億個突觸。通過突觸可塑性，大腦能不斷調整神經元之間的連接強度，從而實現學習和記憶功能。相比之下，目前的人工智能雖然發展迅速，但基于軟件的人工神經網絡，比如支撐 ChatGPT 等大型語言模型運行的技術，對計算資源和電力的消耗極大，這限制了它們在很多場景中的應用。

為了模仿大腦的計算能力和能源效率，科學家們一直在探索神經形態計算領域。這不僅需要重新設計系統架構，實現內存和計算在同一位置進行，也就是 “內存內計算”；還需要開發能更精準模擬神經元和突觸工作方式的電子設備。不過，當前的神經形態計算系統面臨難題，要么需要復雜的多晶體管電路，要么依賴一些尚未通過大規模制造驗證的新材料。

新加坡國立大學的科學家們另辟蹊徑。由該校設計與工程學院材料科學與工程系的馬里奧?蘭扎副教授領導的研究團隊發現，通過特定的排列和操作方式，一個普通的硅晶體管（這種晶體管是電腦、智能手機等現代電子產品微芯片的核心組件），就能同時模擬生物神經元和突觸的功能。他們通過調整晶體管體端的電阻值，控制晶體管內部發生的兩種物理現象 —— 穿通碰撞電離和電荷捕獲，從而實現了這一突破。此外，團隊還構建了一種由兩個晶體管組成的單元，它既能像神經元一樣工作，也能模擬突觸的功能，研究人員將其命名為 “神經 - 突觸隨機存取存儲器”（NS - RAM） 。

蘭扎副教授介紹說：“其他實現神經形態計算的方法，要么需要復雜的晶體管陣列，要么使用可制造性存疑的新型材料，而我們的方法采用的是商用互補金屬氧化物半導體（CMOS）技術，這和現代計算機處理器以及內存微芯片使用的是同一平臺。這意味著我們的技術可擴展性強、性能可靠，并且能與現有的半導體制造工藝兼容。”

實驗顯示，NS - RAM 單元功耗低，在多次操作循環中性能穩定，而且在不同設備上表現一致、可預測。這些優點讓它成為構建可靠的人工神經網絡硬件的理想選擇，有望推動緊湊型、高能效的人工智能處理器發展，讓未來的計算變得更快、響應更靈敏。該研究成果已于 2025 年 3 月 26 日發表在《自然》雜志上。

參考資料：DOI： 10.1038/s41586-025-08742-4