随着传统计算机芯片逐渐逼近物理极限，而人工智能对能源的消耗不断攀升，密苏里大学的研究人员开始从人脑中寻找灵感，重新思考计算机应当如何工作。这个转变刻不容缓：预计到本世纪末，人工智能数据中心的能源使用将翻倍，引发了对可持续性和能源压力的严重担忧。

类脑计算（neuromorphic computing）被视为潜在的解决路径。这一思路试图从硬件层面重新设计计算机，使其处理信息的方式更接近生物神经网络，而不是传统的冯·诺依曼架构芯片。

“人脑最大的优势之一就是高效，”密苏里大学文理学院物理学教授 Suchi Guha 表示，“它只需要大约 20 瓦功率——差不多一只老式灯泡的耗电量——就能完成极其复杂的任务。相比之下，现有的计算机架构能耗要高得多。”

Guha 及其团队认为，要实现类脑计算，必须从硬件做起。他们正在研发一种电子元件，其功能类似于大脑中神经元之间的连接，这些连接让大脑能够学习、适应并存储信息。通过这种方式，有望构建出不仅算力更强，而且能效显著提升的新型计算机。他们的最新成果已发表在《ACS Applied Electronic Materials》（《ACS 应用电子材料》）期刊上。

重新定义计算机芯片

几十年来，计算机芯片的核心一直是晶体管——这些微小的电子开关让机器能够进行逻辑运算和信息处理。然而，在大多数现代芯片架构中，计算单元和存储单元是分离的。每当计算机执行任务时，数据都需要在这两部分之间频繁往返，不仅拖慢了处理速度，也造成了大量能量损耗。

大脑的组织方式则完全不同。它并不将记忆和处理功能严格分开，单个神经元之间的连接——即突触——同时承担信息存储和处理的角色。这种结构使得大脑在极低能耗下就能实现学习和适应。

受此启发，Guha 团队开发了新型有机晶体管，使其能够在同一位置完成信息的存储与处理，功能上更接近大脑中的突触。

“我们的目标不仅是做出更快的晶体管，”Guha 说。她同时也是密苏里大学材料科学与工程研究所的核心成员，“而是要制造在行为上更像大脑本身的器件。”

为了验证这一思路，研究人员选用了几种在外观和宏观性质上几乎相同的有机材料，将它们制成突触晶体管后进行对比测试。结果显示，这些器件的性能差异非常明显。

关键差别来自器件内部的界面——也就是半导体与绝缘层接触的那一层极薄边界。

“这说明性能不仅取决于材料本身，”Guha 指出，“还取决于它与周围环境的相互作用。哪怕是非常细微的结构差异，也可能带来巨大的性能变化。”

迈向节能的类脑人工智能

通过揭示分子设计和界面质量如何影响突触晶体管的行为，密苏里大学的这项研究为其他团队开发更高效的类脑硬件提供了重要参考。这类硬件系统未来有望支撑新一代类脑人工智能：在学习效率、能耗控制以及模式识别、决策等任务上表现更为出色。

尽管受大脑启发的计算技术仍处于早期探索阶段，Guha 认为，这一系列进展正在逐步缩短生物大脑与人工系统之间的差距。

“人脑依然是高效计算的黄金标准，”她说，“如果我们希望机器真正变得智能，就必须从硬件层面开始，让它们像生物系统那样进行学习。”