加州大学圣地亚哥分校研发可控记忆的神经晶体管装置

加州大学圣地亚哥分校的研究人员展示了一种控制实验性电子装置如何形成和抹去记忆的方法，利用电流改变一种名为二氧化钛的材料行为。该装置被称为神经元晶体管，模拟生物神经元的某些电气开关行为。研究人员发现，他们能够影响其开关变得更加可预测或回到不太可预测的状态。这一发现可能帮助科学家设计启发自大脑的计算硬件，通过物理结构的变化来存储信息。此类系统旨在比传统方法更有效地执行某些计算和记忆功能，传统方法需要在不同的处理器和存储单元之间移动数据。

由物理学教授 Oleg Shpyrko 领导的加州大学圣地亚哥分校团队，利用相干 X 射线衍射观察材料内部的纳米级变化，当电流通过装置时。这使他们能够研究其内部结构如何影响开关行为。二氧化钛可以在电绝缘和导电状态之间进行转变。这一变化伴随著材料的结构变化，使其在研究模仿神经元某些特征的电子装置时相当有用。在实验中，研究人员检查了重复的电刺激如何影响材料内部微小区域的排列和运动。

研究方法与材料特性

这些区域被称为畴，当装置在状态之间切换时，它们可以相互作用。团队确定了一个被称为挤压的过程，其中这些区域的运动变得越来越受限。它们的相互作用开始限制材料的变化，而不是独立行为。重复的电刺激超过某个阈值，将材料推向这一挤压状态。结果，装置随后的开关变得更加可预测，显示出其早期的电活动影响了未来的行为。研究人员还发现，较低电流的刺激可以逆转这一效果，恢复不太可预测的开关状态，这提供了一种通过电输入控制装置记忆类似行为的方法。

这些实验追踪了数千秒内的结构变化，使研究人员能够将装置的电历史与材料内部的变化联系起来。这些发现为神经元晶体管如何保留对先前电活动的信息提供了物理解释，而无需单独的传统存储组件。在此情况下，学习并不意味着装置理解信息或独立解决问题，而是指由先前刺激引起的开关行为的可测量变化。遗忘则描述了这一变化的逆转。

神经形态计算的潜力

这一区别对神经形态计算至关重要，神经形态计算旨在建立受神经元和突触如何处理及保留信息启发的电子系统。一个能够根据先前电信号调整其反应的装置，最终可能有助于结合存储和计算功能的电路。然而，研究人员在实验材料系统中演示了这一机制，而不是一个完整的启发自大脑的处理器。还需要进一步的工作来确定如何在多个装置之间可靠地控制行为、记忆状态改变的速度，以及这种方法在实际电路中是否能够带来可测量的节能效果。

该研究还提供了一种方法来研究纳米级结构变化如何影响具有耦合结构和电气转变的材料中的电子开关。这些发现已发表在《自然通讯》上。

控制记忆的潜在应用与挑战

这项研究的成果显示，通过控制电子装置的记忆行为，未来的计算硬件可能会更接近生物神经系统的运作方式。这不仅能提高计算效率，还能减少数据在处理器和存储单元之间的移动，从而节省能源。然而，实验仍在早期阶段，研究人员需进一步探讨如何在多个装置间可靠控制行为，并确保这些技术能在实际应用中达到预期效果。