👆如果您希望可以時常見面，歡迎標星🌟收藏哦~
來源：內容來自dqindia，謝謝。
新加坡國立大學的研究人員證明，單個電晶體可以模擬神經和突觸行為，使受大腦啟發的計算更接近現實。
新加坡國立大學 (NUS) 的研究人員已經證明，單個標準矽電晶體（計算機、智慧手機和幾乎所有電子系統中使用的微晶片的基本構件）在以特定的、非常規的方式操作時可以像生物神經元和突觸一樣發揮作用。
該研究團隊由新加坡國立大學設計與工程學院材料科學與工程系副教授 Mario Lanza 領導，為基於硬體的人工神經網路 (ANN) 提供了一種高度可擴充套件且節能的解決方案。這使神經形態計算（晶片可以更有效地處理資訊，就像人腦一樣）更接近現實。他們的研究於 2025 年 3 月 26 日發表在《自然》雜誌上。
將大腦放入矽片中
世界上最複雜的計算機已經存在於我們的大腦中。研究表明，人類大腦總體上比電子處理器更節能，這要歸功於近 900 億個神經元，它們彼此之間形成了大約 100 萬億個連線，而突觸會隨著時間的推移調整其強度——這一過程被稱為突觸可塑性，它是學習和記憶的基礎。
幾十年來，科學家一直試圖利用人工神經網路 (ANN) 複製這種效率。ANN 近來推動了人工智慧 (AI) 的顯著進步，其靈感大致來源於大腦處理資訊的方式。但是，雖然它們借用了生物學術語，但相似之處只是表面的——基於軟體的 ANN，例如那些為 ChatGPT 等大型語言模型提供支援的 ANN，對計算資源有著極大的需求，因此也需要電力。這使得它們在許多應用中不切實際。
神經形態計算旨在模仿大腦的計算能力和能源效率。這不僅需要重新設計系統架構以在同一位置執行記憶體和計算（即所謂的記憶體計算 (IMC)），還需要開發利用物理和電子現象的電子裝置，能夠更忠實地複製神經元和突觸的工作方式。
然而，目前的神經形態計算系統因需要複雜的多電晶體電路或新興材料而受到阻礙，這些材料尚未經過大規模製造的驗證。
蘭扎教授表示：“為了實現真正的神經形態計算，即微晶片的行為類似於生物神經元和突觸，我們需要既可擴充套件又節能的硬體。”
新加坡國立大學的研究小組現已證明，單個標準矽電晶體在以特定方式排列和操作時，可以複製神經放電和突觸重量變化——這是生物神經元和突觸的基本機制。
這是透過將塊體終端的電阻調整到特定值來實現的，這可以控制電晶體中發生的兩種物理現象：穿透碰撞電離和電荷捕獲。此外，該團隊還構建了一個能夠在神經元或突觸狀態下執行的雙電晶體單元，研究人員將其稱為“神經突觸隨機存取儲存器”，簡稱 NS-RAM。
“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（互補金氧半導體）技術，這是現代計算機處理器和記憶體微晶片中採用的平臺，”蘭扎教授解釋說。“這意味著它具有可擴充套件性、可靠性，並且與現有的半導體制造工藝相容。”
透過實驗，NS-RAM 單元表現出低功耗、在多個操作週期內保持穩定效能並在不同裝置上表現出一致、可預測的行為——所有這些都是構建適用於實際應用的可靠 ANN 硬體所需的屬性。該團隊的突破標誌著緊湊、節能的 AI 處理器開發的一個重大進步，可以實現更快、響應更快的計算。
參考連結
https://www.dqindia.com/esdm/advancing-semiconductor-devices-for-artificial-intelligence-8920406
END
👇半導體精品公眾號推薦👇
▲點選上方名片即可關注
專注半導體領域更多原創內容
▲點選上方名片即可關注
關注全球半導體產業動向與趨勢
*免責宣告：本文由作者原創。文章內容系作者個人觀點，半導體行業觀察轉載僅為了傳達一種不同的觀點，不代表半導體行業觀察對該觀點贊同或支援，如果有任何異議，歡迎聯絡半導體行業觀察。
今天是《半導體行業觀察》為您分享的第4084期內容，歡迎關注。
推薦閱讀
『半導體第一垂直媒體』
即時 專業 原創 深度
公眾號ID：icbank
喜歡我們的內容就點“在看”分享給小夥伴哦
