神经形态计算技术突破 - 新加坡国立大学研究团队证明单个标准硅晶体管可模拟生物神经元和突触行为 通过调整块体终端电阻值控制穿透碰撞电离和电荷捕获现象 实现神经放电和突触重量变化的复制 [1][2][3] - 该技术基于商用CMOS平台 与现有半导体制造工艺兼容 具备高度可扩展性和可靠性 相比需要复杂晶体管阵列或新兴材料的方案更具产业化优势 [3] - 团队开发出双晶体管单元NS-RAM 在神经元或突触状态下运行时表现出低功耗特性 多个操作周期内性能稳定 不同设备间行为一致 满足实际应用需求 [3] 技术应用前景 - 该突破使硬件级人工神经网络(ANN)成为可能 相比基于软件的ANN(如ChatGPT底层技术)大幅降低计算资源需求 解决当前AI系统能耗过高的问题 [2] - 神经形态计算芯片采用内存计算(IMC)架构 实现信息处理方式接近人脑 研究显示人脑通过约900亿神经元和100万亿突触连接达成超高能效 该技术方向有望复制这种效率 [1][2] 行业影响 - 标志着紧凑型节能AI处理器开发取得重大进展 为开发更快响应速度的神经形态计算系统奠定基础 可能推动半导体行业新一轮技术迭代 [3] - 采用成熟CMOS工艺路线降低产业化门槛 有利于加速商业化进程 对现有半导体制造产业链具有直接兼容性 [3]