重新定义晶体管：人工智能的理想构建模块

快速阅读: 据《Newswise （新闻稿）》最新报道，新加坡国立大学团队在神经形态计算领域取得突破，发明高效计算单元，用单一晶体管模拟神经元和突触功能，大幅减小体积并降低能耗。该研究强调计算效率，为非顶尖制造能力地区推动高级计算发展提供可能。

新加坡国立大学工程设计学院材料科学与工程系副教授李安萨（Mario Lanza）带领的团队在神经形态计算领域取得了突破性进展，他们发明了一种全新的超级高效计算单元，能够模拟电子神经元和突触的功能。这项研究题为《标准硅晶体管中的突触与神经行为》，于2025年3月26日发表在《自然》杂志上，引起了半导体领域多家领先企业的极大关注。

电子神经元和突触是下一代人工神经网络的核心组件。与传统计算机不同，这类系统在同一位置完成数据处理与存储，避免了将数据从内存传输到中央处理器（CPU）过程中耗费的时间和能源。然而，利用传统硅晶体管实现电子神经元和突触功能时面临挑战：每个神经元通常需要至少18个晶体管，每个突触则至少需要6个。这不仅增加了硬件规模，还显著提高了成本。

李安萨教授团队巧妙地解决这一难题，在单一传统硅晶体管中重现神经元和突触的电子特性。核心在于调整主电极的电阻值，以激发所谓的“碰撞电离”现象，这种现象产生的电流尖峰与真实神经元激活时极为相似。同时，通过调节主电极电阻值，晶体管还能在栅极氧化层中存储电荷，使晶体管的电阻随时间变化，从而模拟突触的功能。实现神经元或突触运行只需简单地调整主电极电阻即可完成。传统意义上的“碰撞电离”曾被视为硅晶体管的失效机制，但李安萨团队成功将其转化为极具商业价值的技术应用。这一突破性成果让电子神经元的体积缩减至原先的1/18，突触体积减少至1/6。鉴于一个人工神经网络可能包含数百万个神经元和突触节点，这意味着未来计算系统能够在处理海量信息的同时大幅降低能耗。

此外，该团队设计了一款由两个晶体管构成的单元——神经突触随机存取存储器（NSRAM），支持在神经元与突触两种操作模式间灵活切换。这一创新意味着两种功能可借助同一模块实现，无需对硅进行掺杂以达到特定基底电阻值，极大地提升了制造灵活性。李安萨教授指出：“一旦掌握了其运作原理，这更多是一个微电子设计问题。”

论文第一作者、阿卜杜拉国王科技大学博士塞巴斯蒂安·帕索斯（Sebastián Pazos）评论道：“传统上，半导体和人工智能领域围绕谁拥有更先进的晶体管技术展开竞争，忽视了效率的重要性。我们的研究提出了一种截然不同的计算范式，强调利用高效的电子神经元和突触。这一发现开启了纳米电子学民主化的可能性，即便没有最前沿的晶体管制造能力，也可以推动高级计算系统的发展。”

这篇开创性的研究成果不仅展示了传统硅晶体管在神经形态计算领域的潜力，也为全球范围内科技行业的未来发展注入了新动力。

(以上内容均由Ai生成)