西北大學的工程師們研發出一種列印式人工神經元，這種神經元不僅能夠模擬真實神經元的行為，還能直接與活體腦細胞進行交互。這些柔性、低成本的器件能夠產生與生物神經元高度相似的電信號，並可激活生物腦組織。
在以小鼠腦切片為對象的實驗中，人工神經元成功觸發了真實神經元的響應，展示出電子器件與活體神經系統之間前所未有的兼容性。
邁向腦機接口
與高能效 AI
這一突破使研究人員在實現與神經系統直接交互的電子器件方面邁出了重要一步。其潛在應用場景包括腦機接口和神經假體，例如可幫助恢復聽覺、視覺或運動功能的植入設備。
該技術同時為新一代仿腦計算系統的發展指明了方向。通過復現神經元的通信方式，未來的硬體有望以更低的能耗完成複雜任務。大腦是目前已知能效最高的計算系統，科學家希望將其工作原理應用於現代計算技術。
相關研究已於4月15日發表在《自然·納米技術》期刊上。
"我們今天所處的世界被人工智慧（AI）所主導，"主導這項研究的西北大學教授Mark C. Hersam表示，"讓AI變得更智能的方式是用越來越多的數據對其進行訓練。這種數據密集型訓練導致了巨大的能耗問題。因此，我們必須研發更高效的硬體來處理大數據和AI任務。由於大腦的能效比數字電腦高出五個數量級，向大腦尋求下一代計算架構的靈感是順理成章的選擇。"
Hersam是腦啟發計算領域的權威專家，現任西北大學麥考密克工程學院材料科學與工程系Walter P. Murphy講席教授，同時擔任費恩伯格醫學院醫學教授、溫伯格文理學院化學教授，以及材料科學與工程系主任、材料研究科學與工程中心主任和國際納米技術研究所成員。此次研究由他與麥考密克學院研究副教授Vinod K. Sangwan聯合主導。
為何大腦的表現優於傳統矽晶片
現代電腦通過在堅硬的二維矽晶片上集成數十億個相同的電晶體來應對日益增長的計算需求。每個元件的行為方式相同，一旦製造完成，系統便固定不變。
大腦的運作方式截然不同。它由多種各司其職的神經元組成，排列成柔軟的三維網路，這些網路會隨著學習的發生不斷調整和重構連接。
"矽通過擁有數十億個相同的器件來實現複雜性，一切都相同、剛性、在製造後固定不變，"Hersam說，"大腦恰恰相反，它是異質的、動態的、三維的。要朝這個方向發展，我們需要新材料和新的電子器件構建方式。"
儘管人工神經元此前已有研究，但大多數產生的信號過於簡單。為實現更複雜的行為，工程師通常需要大規模器件網路，這反而增加了能耗。
可列印材料實現仿腦行為
為更真實地復現神經活動，Hersam團隊採用與大腦結構更為接近的柔性可列印材料構建人工神經元。其方案以二硫化鉬（MoS2）納米薄片作為半導體材料、以石墨烯作為導電材料製成電子墨水，並通過氣溶膠噴射列印技術將其沉積到柔性聚合物基底上。
以往研究人員將這些墨水中的聚合物視為缺陷，因為它會干擾電學性能，因此在列印後會將其去除。而在本研究中，團隊反其道而行，將這一特性轉化為增強器件性能的手段。
"我們不是完全去除聚合物，而是對其進行部分分解，"Hersam說，"當電流通過器件時，會進一步驅動聚合物分解。這種分解以空間非均勻的方式發生，從而形成導電細絲，使電流被限制在一個狹窄區域內。"
這條狹窄的導電通路能產生類似神經元放電的突發電響應。由此實現的器件可生成多種信號，包括單個尖峰、持續放電和簇發模式，與真實的神經通信高度相似。
由於每個人工神經元能產生更複雜的信號，執行高級任務所需的器件數量大幅減少，這將顯著提升計算效率。
在真實腦組織上測試人工神經元
為驗證人工神經元能否真正與活體系統交互，研究團隊與西北大學溫伯格學院神經生物學Bill and Gayle Cook講席教授Indira M. Raman展開合作。其團隊將人工信號施加於小鼠小腦切片上。
結果顯示，人工神經元產生的電尖峰與生物神經元的關鍵特性高度吻合，包括信號的時序和持續時間。這些信號能夠可靠地激活真實神經元，並以與自然腦活動相似的方式觸發神經迴路。
"其他實驗室曾嘗試用有機材料製造人工神經元，但放電速度太慢；也有使用金屬氧化物的，但又太快，"Hersam說，"我們實現了此前人工神經元從未達到的時間範圍。可以清晰地看到活體神經元對我們人工神經元的響應。我們所展示的信號不僅時間尺度正確，尖峰形狀也正確，能夠直接與活體神經元交互。"
低成本、可持續製造工藝及對 AI 的啟示
除性能優勢外，這一新方案還具備環保和實用價值。其製造工藝簡單、成本低廉，增材列印方法僅在所需位置沉積材料，大幅減少了原料浪費。
隨著 AI 系統對計算資源的需求持續攀升，提升能效變得尤為迫切。大型數據中心已消耗大量電力，並需要大量水資源用於冷卻。
"為滿足 AI 的能源需求，科技公司正在建造以專用核電站供能的吉瓦級數據中心，"Hersam說，"顯然，如此龐大的能耗將制約計算規模的進一步擴展——難以想像下一代數據中心需要100座核電站來供電。另一個問題是，當你耗散吉瓦級的功率時，會產生大量熱量。由於數據中心依賴水冷，AI 正在對水資源造成嚴峻壓力。無論從哪個角度看，我們都需要為 AI 研發更高能效的硬體。"
本研究題為《由列印MoS2憶阻納米薄片網路實現的多階複雜性尖峰神經元》，由美國國家科學基金會提供資助。
Q&A
Q1：列印式人工神經元是什麼？它是如何工作的？
A：列印式人工神經元是由西北大學工程師研發的一種柔性電子器件，以二硫化鉬納米薄片作為半導體、石墨烯作為導體，通過氣溶膠噴射列印技術製成。其核心原理是通過對聚合物的部分分解形成導電細絲，產生類似神經元放電的突發電響應，能生成單個尖峰、持續放電和簇發等多種信號模式，並可直接與活體腦細胞交互。
Q2：人工神經元技術對AI硬體發展有什麼意義？
A：當前AI訓練高度依賴數據，導致數據中心能耗急劇上升。人工神經元技術通過模擬大腦的工作方式，有望研發出比現有數字電腦能效高出數個數量級的新型硬體。大腦比數字電腦高效約十萬倍，將其原理應用於AI硬體，可大幅降低計算能耗，緩解數據中心對電力和冷卻水資源的巨大壓力。
Q3：人工神經元與真實腦細胞的交互實驗是如何進行的？
A：研究團隊與神經生物學教授Indira M. Raman合作，將人工神經元產生的電信號施加於小鼠小腦切片。實驗結果表明，人工神經元產生的電尖峰在時序和持續時間上與生物神經元高度吻合，能夠可靠激活真實神經元並觸發神經迴路，展現出與自然腦活動相似的響應模式。
