1. 首頁 > 生活百科 > >

全新人工神經元面世，能耗比人腦低數千倍！或徹底改變AI部署方式

ai算法知乎藍色光標

全新人工神經元面世，能耗比人腦低數千倍！或徹底改變AI部署方式

文章圖片

全新人工神經元面世，能耗比人腦低數千倍！或徹底改變AI部署方式

文章圖片


近日 ， 美國南加州大學教授約書亞·楊（Joshua Yang）團隊和合作者成功造出一個功能齊全的人工神經元 1M1T1R ， 這是一種能像真實腦細胞一樣工作的人工神經元 ， 有望催生出類似人腦的基于硬件的學習系統 ， 并有望將 AI 轉變為更加接近自然智能的形態 。 據媒體報道 ， 這或將開啟邁向 AGI 的下一個飛躍 ， 很有可能是實現 AGI 的關鍵拼圖之一 ， 相關論文發表于 Nature Electronics 。 [1
。


（來源：The Yang Lab at USC）

1M1T1R 神經元每次放電消耗的能量達到皮焦耳級別 ， 一皮焦耳級別大約是一只蚊子扇動一次翅膀所耗費能量的千分之一左右 。 研究團隊通過模擬預測發現 ， 如果使用更加先進的 3 納米晶體管制造工藝 ， 并將憶阻器進一步縮小 ， 它的能耗可以進一步降低到艾焦耳級別 ， 這意味著它比人腦中的一個神經元還要節能數千倍 。

【全新人工神經元面世，能耗比人腦低數千倍！或徹底改變AI部署方式】假如能用數以億計的這種超低功耗神經元組成一個電子大腦 ， 那么處理當前那些需要巨大服務器才能完成的 AI 任務 ， 可能就只需要一塊手表電池的電量 。 這或將徹底改變 AI 的部署方式 ， 讓 AI 可以嵌入到手表、眼鏡甚至是植入式醫療設備中 。


（來源：https://viterbi.usc.edu/directory/faculty/Yang/J-Joshua）

神經形態計算的重要里程碑 ， 助力早日實現 AGI

我們現在常用的 AI 比如聊天機器人、圖像生成器都屬于狹義的 AI ， 它們非常擅長完成某個特定任務 ， 但卻無法將一個領域學到的知識靈活地應用到另一個領域 。 而許多人所期待的 AGI 將是一個能夠自主學習的通才 。

那么 ， 1M1T1R 神經元如何幫助實現 AGI？其中的關鍵在于處理時空信息的能力 。 人類生活在時間和空間之中 。 當我們閱讀一句話的時候 ， 不僅需要識別每個字也就是識別空間信息 ， 也需要理解這些字出現的先后順序也就是理解時間信息 。 當我們接住一個飛來的球 ， 我們需要實時預測它的軌跡和落點 。 這種對于時間序列信息的處理 ， 是傳統 AI 的短板 ， 但卻是人類大腦的強項 。

本次研究團隊使用 1M1T1R 神經元構建了一個循環脈沖神經網絡 ， 并利用它來挑戰了一個非常困難的任務：識別“噴發脈沖海德堡數字”語音數據集 。 這個數據集模擬了人耳內神經元對于英語和德語中從數字 0 到數字 9 的聽覺反應模式 ， 是一個典型的時空信息處理難題 。 而上述由 1M1T1R 神經元驅動的網絡 ， 其識別準確率達到 91.35% 。

研究團隊還發現 1M1T1R 神經元擁有以下能力：其可塑性能夠幫助網絡更好地傳播學習信號；其隨機性能夠幫助網絡跳出局部最優解 ， 找到更加全局化的解決方案 ， 就像探險家故意走一些沒走過的路反而可能會發現更大的寶藏；其不應期性可以優化整個網絡的激活頻率 ， 從而能夠助力于適應不同類型的任務 。

這些結果表明 1M1T1R 神經元不僅是簡單地模仿生物神經元 ， 它更是一個功能強大的、可塑性極高的計算單元 ， 能夠勝任未來 AGI 所需要的復雜、動態的實時計算任務 。

其優勢在于 ， 每個人工神經元都集中在一個晶體管的體積之內 ， 而以往的設計方案則需要數十個甚至數百個晶體管 。 因此 ， 1M1T1R 神經元能將芯片尺寸縮小幾個數量級 ， 從而能夠大幅減低能耗 。


（來源：https://www.nature.com/articles/s41928-025-01488-x）

美國空軍研究實驗室和 NASA 等機構參與研究

要想理解神經形態計算 ， 可以從這樣一個日常案例說起 。 當你碰到一個裝有熱水的滾燙杯子 ， 你的手會嗖地一下縮回來 ， 有時縮手的速度甚至快到你還沒來得及感受到燙 。 事實上 ， 這個動作不是你想出來的 ， 而是大腦和神經系統這樣一個無比精密的網絡在千分之一秒內自動完成的 。

在這個網絡里 ， 忙碌著上千億個名字叫做神經元的微小細胞 ， 它們通過發出和接收微小的電信號 ， 不斷地相互溝通 ， 共同指揮著你的一切：從呼吸和心跳、到解答一道數學題、再到為一部電影落淚 。 科學家們一直在想：如果能夠使用人造材料 ， 模仿出這些神經元的工作方式 ， 是不是就能創造一個像人腦一樣的既智慧又高效的電子大腦？正因此 ， 這個領域被稱之為神經形態計算 。

要想理解 1M1T1R 神經元這項發明 ， 首先得從我們所用的電腦或手機說起 。 它們遵循的是一種叫做馮·諾依曼架構的模型 。 我們都知道電腦里有 CPU 和內存 。 在工作原理上 ， 可以將 CPU 類比為一名搬運工 ， 內存則是一個倉庫 。 每當要完成一個任務 ， 比如識別一張圖片里有沒有貓 ， 搬運工就要不停地跑到倉庫里去 ， 把如何識別貓的指令書和圖片數據搬出來 ， 翻看之后再跑回去存放結果 ， 整個過程非常奔波和耗電 。 這也就是每當我們運行一個稍微復雜的 AI 程序時 ， 設備就會發燙、電量也會掉得飛快的原因 。 像 ChatGPT-5 這樣的 AI ， 每天消耗的電量是一百多萬個美國家庭的日常用電量 。

再來看看我們的大腦 ， 它大約只有 1.4 公斤重 ， 功率僅僅相當于一個昏暗的燈泡 ， 但卻能實現連超級計算機都難以匹敵的認知功能 ， 能夠同時處理看、聽、聞、思考、保持平衡等許多事情 。 這主要得益于大腦的網絡結構和工作方式 。

大腦里的每一個神經元都是一個獨立的搬運工 ， 它們彼此緊密相連形成一個巨大的網絡 。 在大腦里 ， 信息不是被搬來搬去 ， 而是像海浪一樣在神經元之間以電脈沖的形式進行傳遞和擴散 。 這種工作方式是并行的、異步的和事件驅動的 ， 即所有搬運工一起干活 ， 不需要統一時鐘步調 ， 同時只有在信號來臨時才需要干活 。 基于此 ， 科學家們意識到要想做出真正高效和智能的 AI ， 需要從根本上去改變硬件本身 ， 讓它去模仿大腦的結構 。

過去 ， 人們嘗試使用傳統的互補金屬氧化物半導體（CMOS ， Complementary Metal-Oxide-Semiconductor）電腦芯片來模擬神經元 。 但問題是 ， 晶體管的工作原理和生物神經元有著云泥之別 。 為了模擬出神經元的某一個簡單特性 ， 比如模擬“積累信號后突然放電”這樣一個特性 ， 需要使用幾十個甚至上百個晶體管來組成復雜電路 。

而本次成果找到了一個更優雅的解決方案 。 他們從人體的生物神經元上獲得了靈感 。 生物神經元的秘密在于離子 。 在我們的大腦中 ， 鈉離子、鉀離子等在神經元細胞膜的內部時刻流動著 ， 這會形成電壓變化、進而會產生神經脈沖 。 這些離子的流動 ， 會受到細胞膜上的離子通道的精密控制 。 那么 ， 有沒有一種電子元件 ， 它的行為也可以像離子一樣流動呢？當然有 ， 這種電子元件的名字叫做擴散型憶阻器 。

顧名思義 ， 憶阻器就是一個有記憶的電阻 。 普通電阻就像一根粗細固定的水管 。 而憶阻器是一根能夠自動調節粗細的智能水管：當電流從一個方向流過時 ， 它的電阻會變小 ， 這時就更容易導電；當電流反向或者電流消失時 ， 它又會慢慢恢復原狀 。

擴散型憶阻器則更加神奇 ， 它的內部存在銀這樣一種活性金屬離子 ， 當給它加上一個電壓時 ， 這些銀離子就會像在迷宮中尋找出路一樣 ， 努力地從一端向另一端擴散和漂移 ， 最終形成一條微小的導電通道 ， 從而能夠讓電流通過 ， 這一過程就好比神經元充電的過程 。 當電壓撤掉 ， 這些銀離子又會因為自身無規則的熱運動而迅速散開 ， 從而導致導電通道斷裂 ， 進而讓器件恢復到不導電的狀態 ， 這一過程就好比神經元的復位 。

基于這個原理 ， 研究團隊設計出一個三合一結構 ， 并將其命名為 1M1T1R 神經元 ， 它由三部分組成：

第一部分是一個不對稱的擴散型憶阻器 ， 其被作為 1M1T1R 神經元的核心 ， 負責感受輸入信號 ， 并使用離子運動來模擬神經信號的積累 。
第二部分是一個晶體管 ， 它充當著放大器和輸出器的功能 。 當憶阻器突然導通時 ， 晶體管的柵極電容會被快速充電 ， 從而能像打開水閘一樣 ， 釋放出一個強大的輸出電流脈沖 。
第三個部分是一個電阻 ， 它扮演著安全閥和計時器的角色 ， 控制著柵極電容放電的速度 ， 決定著神經元在一次放電之后需要休息多長時間 。
通過使用納米技術 ， 研究團隊將憶阻器和電阻垂直堆疊在晶體管上面 ， 最終一個功能完成的人工神經元所占據的面積 ， 僅僅相當于一個普通晶體管那么大 ， 這在集成度上是一個巨大的飛躍 。


（來源：https://www.nature.com/articles/s41928-025-01488-x）

1M1T1R 神經元還表現出了生物神經元的六大關鍵特性：

第一個特性是漏點積分 。 舉個例子 ， 假如使用一個有裂縫的水桶去接水 ， 需要接很久才能讓水位升到桶口 。 水滴的間隔時間越長 ， 從裂縫漏掉的水就會越多 ， 這就是漏電積分 。 1M1T1R 神經元會對脈沖進行積累 ， 但是期間會不斷地泄露 ， 使得它能夠感知輸入信號的時間模式 。

第二個特性是閾值放電 。 仍以水桶接水為例 ， 當水桶里的水終于滿溢到桶邊時 ， 就會嘩啦一下從頂部溢出來 。 1M1T1R 神經元也是如此 ， 當它積累的電壓達到一個臨界值時 ， 它不再會慢慢地釋放 ， 而是會產生一個強烈的、全有或全無的電脈沖 。

第三個特性是級聯傳播 。 即一個神經元的輸出 ， 可以直接成為下一個神經元的輸入 。 本次研究團隊將兩個 1M1T1R 神經元進行了連接 ， 結果發現第一個所放的電 ， 成功激發了第二個的積分與放電 。 這就像推倒了第一張多米諾骨牌 ， 能夠引發一連串的連鎖反應 。

第四個特性是內在可塑性 。 舉個例子 ， 當一個琴童反復練習同一個鋼琴曲段 ， 手指也會變得越來也靈活 ， 這就是一種可塑性 。 1M1T1R 神經元也擁有類似的可塑性 。 在一次放電之后 ， 會有極少量的銀離子殘留在通道中 。 當下一個信號來臨時 ， 這些殘留物會讓它更容易、更快地再次形成通道 ， 從而讓神經元變得更加敏感 。

第五個特性是不應期 。 當 1M1T1R 神經元猛烈地放電之后 ， 它會進入一個非常短暫的不應期 。 期間無論怎么刺激它 ， 它都不會再次興奮 。 這個不應期會在何時來臨 ， 由控制電阻和晶體管的電容共同決定 ， 同時它的來臨也可以被精確調控 。 這樣一來就能確保神經信號擁有清晰的節奏 ， 不會亂成一團 。

第六個特性是隨機性 。 1M1T1R 神經元中的銀離子在擴散過程中的運動 ， 本身具有微觀的隨機性 ， 這導致神經元每次的積分時間和放電時刻都會有微小的、不可預測的變化 。 這種隨機性能夠讓系統避免陷入死板的循環 ， 而是能夠更加靈活地適應環境變化 。

基于這種神經元有望造出更小、更高效的芯片 ， 這些芯片將能像人腦一樣處理信息 ， 并有可能為 AGI 的實現鋪平道路 。 而在這項研究的背后 ， 是來自美國南加州大學、美國麻省大學、美國空軍研究實驗室和 NASA 等機構的幾十位科學家跨越多年通力合作的結果 。 期間 ， 有人負責設計概念 ， 有人負責在納米尺度上雕刻這些微小的器件 ， 有人負責進行精密的電學測量 ， 有人負責編寫模擬程序 ， 正是這些努力讓這個電子神經元從構想變為了現實 。

參考資料：
相關論文：https://www.nature.com/articles/s41928-025-01488-x
https://www.sciencedaily.com/releases/2025/11/251105050723.htm

    推薦閱讀