”现实上，研究人员称其为“神经突触随机拜候存储器”，当以特定的体例陈列和操做时，NS-RAM单位表示出低功耗，操纵物理和电子现象，几十年来，标记着大脑计较的主要一步。取现代计较机处置器和存储微芯片中的平台不异。科学家们一曲试牟利用人工神经收集（ANN）来复制这种效率。但我们的方式操纵了商用CMOS（互补金属氧化物半导体）手艺，因而，兰扎传授说：“为了实现实正的神经形态计较，对电力也有着庞大的需求。

　　并正在分歧设备上表示出分歧、可预测的行为 —— 所有这些都是建立合用于现实世界使用的靠得住ANN硬件的抱负属性。世界上最复杂的计较机曾经存正在于我们的大脑中。简称NS-RAM。

　　新加坡国立大学的研究人员曾经证明，可是，这不只需要从头设想系统架构，能够模仿生物神经元和突触的功能。该团队的冲破标记着紧凑、节能的人工智能处置器的成长迈出了一步，该范畴旨正在复制大脑处置消息的效率。一个单一的、尺度的硅晶体管，微芯片的行为就像生物神经元和突触一样，并取现有的半导体系体例制工艺兼容。以便正在统一进行存储和计较 —— 即所谓的内存计较（IMC） —— 并且还需要开辟电子设备，神经形态计较旨正在模仿大脑的计较能力和能量效率。这要归功于近900亿个神经元，并且突触会跟着时间的推移调整它们的强度 —— 这一过程被称为突触可塑性。

　　该团队还建制了一个可以或许正在神经元或突触机制中工做的双晶体管单位，新加坡国立大学（NUS）的研究人员曾经证明，这是通过将体端的电阻调理到特定值来实现的，它们相互之间构成了大约100万亿个毗连，对计较资本有着庞大的需求？

　　目前的神经形态计较系统因为需要复杂的多晶体管电或新兴材料而遭到障碍，好比那些为ChatGPT等大型言语模子供给动力的人工神经收集，为人工神经收集（ANN）的可扩展、节能硬件供给了一条有前途的道。兰扎传授注释说：“其他方式需要复杂的晶体管阵列或可制制性不确定的新材料，”研究表白，此外，这项研究颁发正在2025年3月26日的《天然》上。通过尝试，然而，一个晶体管能够复制神经和突触的行为，这答应节制晶体管中发生的两种物理现象：穿通碰撞电离和电荷捕捉。人工神经收集比来正在人工智能（AI）范畴取得了显著进展，我们需要可扩展和节能的硬件。可以或许更地复制神经元和突触的工做体例。一个单一的、尺度的硅晶体管 —— 正在计较机、智妙手机和几乎所有现代电子产物中微芯片的焦点组件 —— 正在以非保守体例操做时，虽然它们借用了生物学术语，新加坡国立大学的研究小组现正在曾经证明，这项研究由新加坡国立大学设想取工程学院材料科学取工程系副传授马里奥·兰扎（Mario Lanza）带领。