我国科学家在类脑计算领域取得系列重大突破：新材料搭建出“微型人造大脑”

近日，北京理工大学孙林锋教授课题组在类脑计算领域取得了一系列令人瞩目的进展，他们研发的“记忆海绵芯片”正一步步将“像人脑一样思考”的愿景变为现实。

这支团队不仅发现了一种关键的新材料，更以此为基础，构建出了能处理复杂任务的“微型人造大脑”，初步实现了从感知、存储、计算到决策的全流程一体化。这些重量级成果，已连续发表在《先进材料》及《自然·通讯》等顶级学术期刊上。

从零到一的“魔法材料”：像调音量一样模拟人类记忆

要造出类脑芯片，首要任务是找到合适的“基石”。在最初的研究中，团队首次报道了一种原子级厚度的新型材料（CuBiP2Se6, 简称CBPS）。其神奇之处，在于一种名为“弛豫反铁电”的特性。不妨做个比喻：材料内部仿佛存在着无数对“拔河的小人”。在自然状态下，他们两两背对背，力量相互抵消，整体显得平静稳定；然而，当施加一个外部电场时，这些小人不会像开关那样“咔哒”一下瞬间集体转向，而是像缓缓旋转的“音量旋钮”，随着电场增强，平滑、连续地调整方向。

而“弛豫”二字，正是点睛之笔。它意味着材料具有类似“记忆海绵”的缓冲与迟滞特性。断电之后，转向的小人不会像紧绷的弹簧猛地弹回，而是像按压后慢慢恢复形状的海绵，有一个舒缓、渐进的恢复过程。这种“慢半拍”的平滑转变，恰好模拟了人脑记忆形成与消退的动力学特征。因此，这种兼具稳定性和“温和”响应特性的超薄材料，成为了构建类脑器件的理想候选。

连点成网：给“微型大脑”搭建神经网络

有了优质的单点材料，下一步就是构建网络。单个器件能力再强，也无法应对复杂信息处理，必须将它们高密度地互联起来。随后的研究中，团队利用该材料通电后特性可平滑变化的优势，成功制备出了高密度的忆阻器阵列。这个阵列相当于为系统植入了成千上万个仿生的“神经突触”。实测表明，该阵列不仅耐久性出色，各个节点性能也高度均一。

那么，为何基于“弛豫反铁电”材料的器件，能胜任高阶学习任务呢？核心秘密就在于其“历史依赖”性。普通电子材料好比没有记忆的弹簧，通电解锁，断电瞬间复位，状态完全清零，只能执行僵化的指令。而这种弛豫材料在撤去电场后，状态恢复得“慢吞吞”，总会保留一部分先前状态的“痕迹”。这就赋予了芯片一种“回顾过去”的能力：它能感知到自己刚经历过的刺激强度。如果它“感觉”自己近期被频繁激活（类似于高强度学习），便会像人脑一样，自动调高下一次被激活的阈值，防止“信息过载”；反之，若处于“休息”状态，则会降低阈值，变得异常敏感。

这种能根据自身历史动态调整当下响应状态的能力，正是生物实现举一反三、进行复杂抽象思维的关键。也正是凭借这一特性，该器件得以模拟大脑在学习高级知识时的动态过程，为打造高能效、智能化的类脑芯片奠定了坚实基础。

终极合体：告别笨重器件，医疗看图“一眼准”

传统计算机架构中，“感知单元（传感器）”、“存储单元（内存/硬盘）”和“处理单元（CPU/GPU）”是物理分离的。数据在它们之间来回搬运，速度受限且能耗巨大。更棘手的是，传感器捕获的模拟信号（如图像），处理器无法直接理解，中间必须插入一个庞大且耗能的“翻译官”——模数转换器。此外，处理器在得出最终结论前，通常还需要依赖外部复杂电路来实现“激活函数”，这又进一步增加了系统的体积、成本和功耗。

针对这一系列瓶颈，团队在最新的工作中给出了创新解决方案。他们通过材料堆叠与集成，制造出了一个“多功能合体器件”。这个微型硬件，史无前例地将“图像感知、信息存储、并行计算、最终决策（激活函数）”四大功能集于一身。

这相当于进行了一场彻底的“硬件极简革命”：由于器件能直接“看懂”模拟信号并完成端到端处理，中间那个笨重的“翻译官”（模数转换器）被成功摒弃；同时，因其内置了决策能力，外部那些辅助性的激活函数电路也被大幅简化甚至移除，极大节约了硬件空间与能耗。当研究人员用这个“轻装上阵”的集成系统去识别复杂的医学影像时，它不仅处理速度极快，识别准确率也超过了95%。更巧妙的是，它还能像“变形金刚”一样，根据不同任务需求，灵活调整自身的“决策阈值”（即可调谐激活功能）。

孙林锋教授团队这一系列由材料到器件、再到系统集成的递进式研究，为突破传统计算“能耗墙”与“存储墙”提供了全新路径。展望未来，从可穿戴设备到微型医疗诊断机器人，都有望用上这种体积小巧、功耗极低的“中国芯”，推动智能计算向更高效、更仿生的方向演进。