在人工智能发展的道路上，科学家们一直在寻找更高效、节能的计算方式。最近，新加坡国立大学（NUS）的研究团队取得了一项令人瞩目的成果：他们成功将一个普通的硅晶体管变成了能模拟大脑功能的人工神经元，这一突破为人工智能硬件的发展开辟了新方向。

我们都知道，人类大脑是世界上最复杂且高效的 “计算机”。大脑中有近 900 亿个神经元，它们相互连接形成约 100 万亿个突触。通过突触可塑性，大脑能不断调整神经元之间的连接强度，从而实现学习和记忆功能。相比之下，目前的人工智能虽然发展迅速，但基于软件的人工神经网络，比如支撑 ChatGPT 等大型语言模型运行的技术，对计算资源和电力的消耗极大，这限制了它们在很多场景中的应用。

为了模仿大脑的计算能力和能源效率，科学家们一直在探索神经形态计算领域。这不仅需要重新设计系统架构，实现内存和计算在同一位置进行，也就是 “内存内计算”；还需要开发能更精准模拟神经元和突触工作方式的电子设备。不过，当前的神经形态计算系统面临难题，要么需要复杂的多晶体管电路，要么依赖一些尚未通过大规模制造验证的新材料。

新加坡国立大学的科学家们另辟蹊径。由该校设计与工程学院材料科学与工程系的马里奥・兰扎副教授领导的研究团队发现，通过特定的排列和操作方式，一个普通的硅晶体管（这种晶体管是电脑、智能手机等现代电子产品微芯片的核心组件），就能同时模拟生物神经元和突触的功能。他们通过调整晶体管体端的电阻值，控制晶体管内部发生的两种物理现象 —— 穿通碰撞电离和电荷捕获，从而实现了这一突破。此外，团队还构建了一种由两个晶体管组成的单元，它既能像神经元一样工作，也能模拟突触的功能，研究人员将其命名为 “神经 - 突触随机存取存储器”（NS - RAM） 。

兰扎副教授介绍说：“其他实现神经形态计算的方法，要么需要复杂的晶体管阵列，要么使用可制造性存疑的新型材料，而我们的方法采用的是商用互补金属氧化物半导体（CMOS）技术，这和现代计算机处理器以及内存微芯片使用的是同一平台。这意味着我们的技术可扩展性强、性能可靠，并且能与现有的半导体制造工艺兼容。”

实验显示，NS - RAM 单元功耗低，在多次操作循环中性能稳定，而且在不同设备上表现一致、可预测。这些优点让它成为构建可靠的人工神经网络硬件的理想选择，有望推动紧凑型、高能效的人工智能处理器发展，让未来的计算变得更快、响应更灵敏。该研究成果已于 2025 年 3 月 26 日发表在《自然》杂志上。

参考资料：DOI： 10.1038/s41586-025-08742-4