人脑在有限尺寸和极低能耗下，能够完成复杂环境中的信息关联记忆、快速识别和自主学习等认知任务。随着芯片换代速度放缓、算力供不应求等挑战出现，面向未来，现有计算机的计算方式已难以为继。如何推动信息处理技术进一步发展，打造像人脑一样的“机器脑”？实现类脑计算是破局的方向。要想实现类脑计算，就需要寻找更多模拟人脑功能的神经形态器件。

　　借鉴人脑，让计算更高效、更具仿生性、更低能耗

　　电子计算机的发明将人类文明带入了一场数字化科技革命。在短短几十年中，计算机的算力从每秒几百次运算到每秒百亿亿次运算，增长了1016倍，创造了几千年人类文明史上最高的人造增长速度。计算机算力的提升得益于底层半导体器件（硅基晶体管）的集成密度提升。按照摩尔定律，单芯片上晶体管的数量每18至24个月翻一番。

　　在过去的半个多世纪，集成电路产业一直在摩尔定律的引导下发展。然而摆在现实面前的是，随着摩尔定律不断逼近极限，单个硅基芯片能够承载的晶体管日渐饱和。硅原子的大小约0.12纳米，照此大小推算，当芯片工艺达到1纳米,就只有对几个硅原子进行操纵的空间了。

　　事实上，在芯片工艺发展到10纳米水平后，能明显感受到换代速度放缓、成本攀升等问题。而另一方面，随着人工智能大模型浪潮席卷全球，对计算机算力的需求激增到了每2到3个月就要翻一番的程度，远超摩尔定律下的增长速度。

　　面对芯片换代速度放缓、算力供不应求等挑战，数字计算机的计算方式已经难以为继，如何推动信息处理技术进一步向前发展，成为学界与社会各行各业共同面临的难题。面对这一巨大困局，能够提供更高效、更具仿生性、更低能耗算力的类脑计算，成为破局的关键。

　　类脑计算是“国际半导体技术蓝图（ITRS/IRDS）”中的一个重要研究方向，旨在借鉴人脑的基本原理，实现人工通用智能（也称为类脑通用智能）。在2021年启动的“中国脑计划”中，类脑计算是一个重要组成部分。

　　与传统计算机不同的是，人脑在有限尺寸和极低能耗下，能够完成复杂环境中的信息关联记忆、快速识别和自主学习等认知任务。这与人脑神经网络的基本组成和结构密切相关：人脑中有860亿个神经元，相当于银河系天体的数量，并通过150万亿个神经突触互联构成了空间复杂的神经网络；同时人脑的神经树突等组织进一步使神经计算功能复杂化。

　　人脑的这些神经组织包含了多样化的离子通道，具备非常丰富的动力学行为，特征时间尺度也跨越几个数量级，这是人脑智能的物理基础。相对应的，计算机基本的组成单元是电子晶体管，其工作在准静态的0和1编码状态下，与人脑的丰富动力学相距甚远。

　　因此，类脑计算的实现，其中一个关键就是发现神经形态器件。它们可以模拟人脑中神经元、神经突触、神经树突的功能，具有更贴近神经组织行为的物理机制，从而可以实现传统电子晶体管所不能实现的诸多类神经功能。

　　基于神经形态器件的类脑计算快速发展

　　神经科学的研究发现，神经元之间的神经突触连接强度的可调性，是大脑学习和记忆功能的基础之一。由过往经历引起的神经突触连接强度改变，可以对大脑的功能产生影响。

　　神经突触连接强度改变，也叫神经突触可塑性，可以增强或抑制神经元的活动，而且其持续的时间可从几毫秒到几小时、几天甚至更长时间，跨度很大。

　　如果能借鉴神经突触可塑性原理，用某种手段来模仿和实现，构建类似于神经突触的人工突触，再进一步构建出系统，就可以更好地理解和模拟大脑的工作方式，进一步推动信息学和神经科学的交叉发展，实现类脑计算。

　　早在1971年，科学家蔡少棠就曾启发式地推理预言了一种新型器件——忆阻器。根据预言，忆阻器的电阻值取决于所施加的电压/电流激励历史，因此具有类神经记忆特性。

　　在这一预言过去37年后，惠普实验室宣布忆阻现象在新型微纳半导体器件中被观测到。此后，忆阻器件和神经形态器件几乎成了两个可以互换的概念，基于神经形态器件的类脑计算也进入了快速发展的阶段。

　　忆阻器作为一种有潜力的电路元件，除了生物相似性之外，在可微缩能力、存储密度和功耗等方面也要优于传统的晶体管器件。

　　近年来，在材料技术和功能方面，神经形态器件都取得重要进展。在材料技术方面，研究人员广泛应用各种材料——无机物、有机物、量子材料、铁电材料、铁磁材料、三维体材料和二维材料等，它们展现出各自独特的神经形态特性，为忆阻器的发展提供了多样性和灵活性。将传统晶体管和忆阻器进行混合的神经形态集成电路研究也取得了显著进展，加速了忆阻器的应用推广。在功能方面，忆阻器不仅能够模拟神经突触的可塑性功能，还可以模拟神经元的某些功能，这为实现全忆阻器的神经形态电路创造了可能性。