神经形态硬件的突破
在发表于《科学》（Science，第393卷，第6806期，2026年7月）的一项里程碑式研究中，研究人员揭示了一种基于相变忆阻器的神经动力学系统，其响应时间低于10毫秒。这一进展标志着向实现能够实时处理AI应用的类脑计算硬件迈出了重要一步。
相变忆阻器的工作原理
相变忆阻器利用在非晶态和晶态之间切换的材料，改变其电阻。这一特性使它们能够模拟神经网络中的突触权重。新系统将这些忆阻器集成到一个动力学架构中，以类似于生物神经回路的方式处理信息。
关键性能指标
- 响应时间：<10毫秒，实现实时计算
- 能效：比传统数字处理器低数个数量级
- 可扩展性：在交叉阵列中具有高密度集成的潜力
对AI和边缘计算的影响
亚10毫秒的速度对于需要快速决策的应用至关重要，例如自动驾驶车辆、机器人和医疗诊断。与受内存墙瓶颈困扰的传统冯·诺依曼架构不同，这种基于忆阻器的系统直接在内存中执行计算，大幅降低了延迟和功耗。
与现有技术的比较
当前的神经形态芯片，如英特尔的Loihi或IBM的TrueNorth，运行在毫秒到秒范围内。相变忆阻器系统实现了数量级的改进，接近生物神经网络的 temporal 分辨率。这可能实现更自然的人机界面和更快的AI推理。
挑战与未来方向
尽管结果令人鼓舞，但研究人员指出了器件变异性和耐久性方面的挑战。相变材料在重复开关循环中可能会退化，制造均匀性仍然是一个问题。当前的工作集中在材料工程和电路级补偿技术上。
潜在应用
- 实时感官处理（例如音频、视频）
- 自主导航与控制
- 脑机接口
- 高频交易算法
对计算的更广泛影响
这一发展与全球范围内向非冯·诺依曼架构的推动相一致。随着AI模型日益复杂，对能够处理动态、时变数据的专用硬件的需求变得至关重要。相变忆阻器提供了一条通往超高效、实时神经计算的道路，可能重新定义边缘设备和数据中心的能力。
这项发表在《科学》杂志上的研究是材料科学家、电气工程师和计算机科学家合作的结果。它强调了现代硬件创新的跨学科性质，并为神经形态系统的速度设立了新基准。
本文基于Science（AAAS）的报道。阅读原文。
Originally published on science.org