基于钙钛矿忆阻器并采用镍单原子工程化还原氧化石墨烯阴极的反馈神经元

受大脑启发的芯片以打造更智能的机器

现代计算机运行速度很快，但在我们大脑轻松完成的任务上效率却出人意料地低，例如识别一朵花或在多城市间规划高效路线。本文报道了一种新型电子元件，其行为更接近大脑中的真实神经元，在单个微小器件内同时处理“兴奋”与“抑制”信号。通过在单原子尺度上精细设计材料，研究者制造出能够学习模式并使用远少于当今处理器的硬件来解决复杂优化问题的人工神经元。

为何硬件需要新型神经元

生物神经元不断协调两类信号：推动其发放的兴奋性信号与抑制其发放的抑制性信号。这两者之间的平衡对稳定的思维、感知和决策至关重要。一类特殊的反馈神经元将传入的“前向”信号与“反向”抑制信号混合，支持神经元之间的竞争和“胜者为王”式决策，即仅最强的响应得以存续。在电子器件中重现这种双重、精细平衡的行为一直很困难。大多数现有的“忆阻器”设备——能够记忆其电学历史的元件——主要单向导电且弛豫过快，使其难以充当必须在毫秒尺度内积分信号的神经元模型。

构建更智能的电子器件

研究团队通过使用基于钙钛矿的忆阻器——一种电导可逐步改变的器件——并配以一种由还原氧化石墨烯上分散的孤立镍原子构成的非同寻常阴极来解决这些限制。这层镍单原子并非被动接触层。首先，它调节了界面的能量格局，使电子能更对称地在两个方向流动，从而支持平衡的兴奋与抑制行为。其次，它提高了碘离子进入电极的能垒。离子不再自由快速迁移，而是部分受限，运动变得更慢且可逆。这种受控的迁移将器件对过去信号的“记忆”延长到生物相关的毫秒范围，而无需笨重的外部电容器。

原子级设计如何塑造行为

通过先进的显微和光谱技术，研究者证实镍原子分别锚定在基于石墨烯的层中的氧位点上，而不是凝聚成团块。计算机模拟显示，这种原子排列改变了碳片的电子能级，使其更加金属性并更好地匹配下方的钙钛矿。与此同时，计算还表明当存在镍时，碘离子的扩散势垒更高。实验上，采用这种工程化阴极的器件可以平滑地跨越约1000个不同的电导等级，并在正负电压扫描下表现出几乎镜像对称的响应。其刺激后电流在约780毫秒内衰减——这一时间尺度接近真实神经细胞——使器件能忠实模拟泄漏积分-发放（leaky integrate-and-fire）的动力学。

从单个器件到可学习的网络

通过用量身定制的电压脉冲驱动这些忆阻器，团队演示了单个器件如何充当反馈神经元：它对传入脉冲求和、当电流越过阈值时发放，然后缓慢泄回其静息态。负脉冲抑制其电导，提供了一种电子形式的抑制。由这些神经元组成的网络被排列成交叉阵列并连接到基于现场可编程门阵列的简单控制电子电路。在一项演示中，系统对花卉数据执行无监督竞争学习，通过测量特征将三类花聚类，每个神经元专司一种类型。在另一项测试中，基于自组织映射的协作学习方案使用相同类型的神经元来解决旅行商问题——物流学中的经典挑战——在收敛到高效路径时比标准的模拟退火算法快多达六倍。

这对未来计算意味着什么

用通俗的话说，这项工作表明我们可以越来越多地构建行为类似微小、可调节脑细胞而非简单开关的电子元件。通过将单个镍原子置于石墨烯基层的恰当位置，作者们对电子和离子都获得了精确控制，从而得到一个能够兴奋、抑制并以类似大脑的方式缓慢遗忘的器件。这些人工反馈神经元可以高密度集成，所需外围电路极少，且已能处理现实的学习任务和优化问题。随着此类器件的不断改进，它们可能成为紧凑、能效高的硬件基础，补充甚至取代当今耗能巨大的数字处理器在从模式识别到智能规划等应用中的部分功能。

引用: Li, QX., Li, HX., Sun, T. et al. Feedback neurons based on perovskite memristor with nickel single-atom engineered reduced graphene oxide cathode. Nat Commun 17, 3085 (2026). https://doi.org/10.1038/s41467-026-69805-2

关键词: 类脑计算, 忆阻器, 钙钛矿器件, 石墨烯电子学, 硬件学习