德国科学家研制出一种纳米级电子元件，可在晶体管、忆阻器和忆容器间切换，实现存算一体，为低能耗类脑芯片奠定基础。
当下的AI系统在训练和运行大模型时，往往需要消耗极其庞大的电力。造成这种能耗瓶颈的一个关键原因，在于传统计算机的体系结构：计算单元与存储单元是相互分离的。数据必须不断在处理器和存储器之间来回传输，这不仅拉低了效率，也产生了大量不必要的能量损耗。
相比之下，人脑的处理机制要高效得多。人脑中的神经元通过突触相互连接，当受到重复或强烈的信号刺激时，突触的连接强度会发生改变。这种被称为“神经可塑性”的能力，正是人脑能够边处理信息边学习积累经验的核心所在。
为了打造能够像人脑一样高效工作的硬件，维尔茨堡大学的研究团队与德累斯顿的ctd.qmat卓越集群合作，成功开发出一种能够模拟神经元和突触重要行为的微型电子元件。
这项研究的核心在于使用了一种特殊的氧化物复合材料。研究人员将铝酸镧和钛酸锶这两种原本绝缘的材料结合在一起。奇妙的是，在它们的极薄接触界面上，形成了一层高度导电的准二维电子气。通过在界面上进行精细的微观图案化加工，科学家们开辟出了微型的导电通道，宛如一条条“电子高速公路”。
当电流通过时，材料结构内部的氧原子会发生微小位置移动，从而改变自身的电阻。这种变化使得元件能够通过电刺激进行“训练”，在物理层面记录并存储过往的电活动信息。
更令人惊叹的是，这种纳米级元件具备极强的多功能性。根据电路连接方式的不同，同一个元件可以分别扮演3种不同的角色：控制电流开关的晶体管、通过电阻变化存储信息的忆阻器，或是根据过往电状态储存电荷的忆容器。
维尔茨堡大学的研究员 Soumen Pradhan 表示，这一材料平台的迷人之处在于，仅凭单一材料体系就能实现完全不同的电子功能。这让硬件不仅能够完成计算，还可以在元件内部直接学习并临时存储信息，大幅缩短了硬件向类脑计算演进的距离。
研究团队负责人 Ralph Claessen 指出，复杂氧化物材料将多种电子特性融于一体，为开发下一代低能耗、可适应的计算机硬件开辟了前景。
在未来，这种兼具学习与存储能力的电子元件有望应用于健康监测领域。例如，集成了此类自学习芯片的可穿戴设备，可以直接在本地分析心率、血压、体温、血氧饱和度或血糖等生理信号，无需将数据传输至外部设备，从而显著降低能耗并保护隐私。
虽然这项成果于2026年4月9日发表于《自然·通讯》期刊，但研究人员也坦言，目前的研究仍处于基础功能验证阶段，距离形成完整的人工智能系统或医疗传感器仍有很长的路要走。未来还需要在能耗、可靠性和实际性能上做出更多探索。
原文：https://scitechdaily.com/scientists-create-a-tiny-electronic-device-that-can-learn-like-the-human-brain/