摘要：像人脑一样处理信息的神经形态芯片——这是物理学家 Heidemarie Krüger 和她位于德累斯顿的创业公司 Techifab 的目标。这位来自莱布尼茨光子技术研究所和耶拿弗里德里希席勒大学的研究人员正在开发一种技术，可以在源头直接处理和存储数据，从而无需

像人脑一样处理信息的神经形态芯片——这是物理学家 Heidemarie Krüger 和她位于德累斯顿的创业公司 Techifab 的目标。这位来自莱布尼茨光子技术研究所和耶拿弗里德里希席勒大学的研究人员正在开发一种技术，可以在源头直接处理和存储数据，从而无需在处理器和内存之间进行耗能的数据传输。

克鲁格与她的团队一起致力于基于忆阻器的组件的研究，这些组件将在能源效率和计算能力方面树立新标准。这种实时且资源高效的技术可以支持自动驾驶汽车和工业工厂等应用。“我们的目标是以大脑为模型，创建一种能够以最小的能耗做出复杂、合乎逻辑的决策的技术，”克鲁格说。

她关于忆阻器的观点文章发表在《应用物理学杂志》上。

核心创新：具有记忆和学习功能的忆阻器

神经形态芯片基于忆阻器，其功能类似于大脑中的突触。它们不仅可以存储信息，还可以同时处理信息。传统计算机不断在内存和处理器之间交换数据，而这项技术则在本地工作。这大大降低了功耗，并实现了快速、分散的数据分析。

“一个关键的区别是，忆阻器能够处理连续的中间状态——不仅仅是‘0’和‘1’，还包括中间值，”克鲁格解释道。这种灵活的数据处理为模拟神经网络的算法开辟了新的可能性。潜在的应用范围从预测性机器维护到自动驾驶等安全关键领域的实时分析。

从实验室发现到工业应用

这一创新之旅始于 2011 年实验室的一次偶然发现。在材料分析过程中，Krüger 的团队观察到了一条典型的“环路”曲线，这是具有滞后性忆阻器电阻的忆阻器的标志性行为。此特性使该设备能够“记住”过去的计算并直接执行复杂的计算。这一发现促成了使用铋和氧化铁的组合开发人工突触的想法。

“我们已经证明，这些人工突触可以有效地处理复杂的计算任务，例如矩阵乘法，”克鲁格说。此类计算构成了许多人工智能应用程序和图像处理算法的训练基础。2025 年 1 月，新闻杂志《明镜周刊》报道了克鲁格的技术如何为节能计算树立新标准。

具有边缘计算潜力的技术

忆阻器的结构允许直接在源头处理数据——这是所谓边缘计算的关键组件，在边缘计算中，数据无需传输到中央云系统。“这意味着更高的安全性和独立性，因为敏感数据仍保留在本地，”Krüger 指出。这在工业传感器系统中可能是一个显著的优势，例如，可以检测磨损的早期迹象并防止系统故障。

在最初的试点项目中，Krüger 的团队已经与弗莱贝格工业大学合作，在现实条件下测试了该技术。测试表明，神经形态芯片可以可靠地检测到哪怕是最微小的变化，并准确预测磨损模式。

节能人工智能系统的可持续发展之路

虽然传统处理器需要越来越多的晶体管来处理日益增长的数据，但传统芯片设计已达到物理和能源极限。神经形态方法结合了内存和处理单元，降低了能耗并大大扩展了 AI 系统的潜力。

Krüger 表示：“我们的目标不仅是分析数据集，还要学习、识别模式，并灵活应对新情况，而无需不断连接到外部数据中心。”这项技术可以帮助提高数据中心的能源效率，并以更少的资源开发人工智能应用程序。

Krüger 目前的原型有 32 个忆阻器。在下一阶段的开发中，这个数字预计将增加到 200 多个，以模拟复杂的神经网络并实现自主系统中的新应用。

来源：智慧芯片