受大脑启发的芯片能像神经元一样学习和适应，还能降低能耗

总结：科学家研发出一种受大脑启发的半导体，它能像人类神经元通过“内在可塑性”那样，根据经验调整自身反应。这种名为“频率切换神经晶体管”的设备结合了两种忆阻器来调节尖峰频率，使其能够自主学习和适应。 模拟显示，与传统神经网络相比，该技术能耗降低了27.7%，同时在受损后通过重新组织展现出恢复能力。这一突破可能会彻底改变人工智能硬件，为边缘计算和自动驾驶等应用提供更智能、高效和耐用的系统。

关键事实

• 内在可塑性：芯片模仿神经元基于反复经验调整敏感度的能力。
• 能源效率：在能耗降低27.7%的情况下实现相同的人工智能性能。
• 自我恢复：在模拟神经元受损后通过重新组织展现出恢复能力。

来源：韩国科学技术院

人类大脑不仅简单地调节交换信号的突触；单个神经元还通过“内在可塑性”处理信息，即根据环境变得更敏感或更不敏感的适应能力。然而，现有的人工智能半导体一直在努力模仿大脑的这种灵活性。

他们还展示了出色的恢复能力：即使一些神经元受损，内在可塑性也能让网络自我重新组织并恢复性能。

韩国科学技术院的一个研究团队现已开发出下一代超低功耗半导体技术，也具备了这种能力，备受关注。

韩国科学技术院（院长李光炯）9月28日宣布，材料科学与工程系的金炯敏教授领导的研究团队开发出一种“频率切换神经晶体管”，模仿了“内在可塑性”，即神经元能够记住过去活动并自主调整其反应特性的属性。

“内在可塑性”指大脑的适应能力，例如，多次听到相同声音时不再那么受惊，或经过反复训练后对特定刺激反应更快。

“频率切换神经晶体管”是一种人工神经元设备，能自主调整其信号频率，就像大脑对反复刺激不再那么受惊，或者相反，通过训练变得越来越敏感一样。

研究团队将瞬间反应后恢复到原始状态的“挥发性莫特忆阻器”与长时间记住输入信号的“非挥发性忆阻器”结合。这使得能够实现一种可自由控制神经元放电频率（其尖峰频率）的设备。

在这个设备中，神经元尖峰信号和忆阻器电阻变化相互影响，自动调整反应。简单来说，它在单个半导体设备内再现了大脑对反复声音不再那么受惊或对反复刺激更敏感的过程。

为验证该技术的有效性，研究人员用“稀疏神经网络”进行了模拟。他们发现，通过神经元的内置记忆功能，该系统与传统神经网络相比，在能耗降低27.7%的情况下实现了相同性能。

他们还展示了出色的恢复能力：即使一些神经元受损，内在可塑性也能让网络自我重新组织并恢复性能。换句话说，使用该技术的人工智能在保持性能的同时消耗更少电力，并且能够补偿部分电路故障以恢复正常运行。

领导该研究的金炯敏教授表示：“这项研究在单个半导体设备中实现了大脑的核心功能——内在可塑性，从而将人工智能硬件的能源效率和稳定性提升到了一个新水平。” “这项技术使设备能够记住自身状态，甚至从损坏中适应或恢复，可成为边缘计算和自动驾驶等需要长期稳定性的系统的关键组件。”

这项研究由朴宇俊博士（现于德国尤利希研究中心）和宋汉灿博士（现于韩国电子通信研究院）作为共同第一作者完成，结果于8月18日在线发表在材料科学领域的国际领先期刊《先进材料》（影响因子26.8）上。

资助：这项研究由韩国国家研究基金会和三星电子支持。 作者：李智贤 来源：韩国科学技术院 联系方式：李智贤 - 韩国科学技术院 图片：图片来源为神经科学新闻

用于实现内在可塑性并支持强大神经形态计算的频率切换神经晶体管

具有阈值切换特性的莫特忆阻器已被有效地用作人工神经元或神经晶体管来产生尖峰活动。然而，内在可塑性的实现及其在神经形态计算中的意义尚未得到系统探索。

通过将挥发性莫特忆阻器与非挥发性价变记忆（VCM）忆阻器相结合，FS神经晶体管实现了可编程的多级频率 - 电压（f - V）特性，类似于神经元内在可塑性的传递函数。

此外，内在可塑性赋予网络结构可塑性，使网络在随机神经元受损后能够完全恢复性能，为更具适应性和恢复能力的神经形态计算系统指明了一条道路。