研究人员报道了一种纳米级的神经形态记忆装置，它可以在一个单位细胞中同时模拟神经元和突触，这是实现神经形态计算目标的又一步，该计算旨在通过半导体器件严格模拟人脑。
神经形态计算旨在通过模仿构成人脑的神经元和突触的机制来实现人工智能（AI）。受当前计算机无法提供的人脑认知功能的启发，神经形态设备已被广泛研究。然而，目前基于互补金属氧化物半导体（CMOS）的神经形态电路仅仅连接人工神经元和突触，没有协同作用，同时实现神经元和突触仍然是一个挑战。为了解决这些问题，由材料科学与工程系的Keon Jae Lee教授领导的一个研究小组通过在单个记忆细胞中引入神经元-突触相互作用，而不是传统的人工神经元和突触设备电连接方法，实现了人类的生物工作机制。
与商用图形卡类似，之前研究的人工突触设备通常用于加速并行计算，这与人脑的运行机制有明显的区别。研究小组模拟生物神经网络的机制，在神经形态记忆装置中实现了神经元和突触之间的协同作用。此外，开发的神经形态器件可以用单个器件代替复杂的CMOS神经元电路，提供了高可扩展性和高成本效率。
人脑由1000亿个神经元和100万亿个突触组成的复杂网络组成。神经元和突触的功能和结构可以根据外界刺激而灵活变化，以适应周围环境。该研究团队开发了一种神经形态装置，其中短期记忆和长期记忆共存，分别使用模拟神经元和突触特征的易失性和非易失性记忆装置。阈值开关器件用作易失性存储器，相变存储器用作非易失性器件。两个薄膜装置集成在一起，没有中间电极，实现了神经元和突触在神经形态记忆中的功能适应性。
Keon Jae Lee教授解释道， “神经元和突触相互作用，建立记忆和学习等认知功能，因此模拟两者是大脑启发人工智能的一个基本要素。开发的神经形态记忆装置还模拟了再训练效应，通过在神经元和突触之间实现正反馈效应，可以快速学习遗忘的信息。“”
这项题为“利用记忆性突触同时模拟突触和内在可塑性”的结果发表在2022年5月19日的《自然通讯》杂志上。