美国西北大学的工程师团队近日取得一项重大突破，研发出能够直接与真实脑细胞互动的打印式人工神经元。这些设备不仅柔软灵活、制造成本低廉，更能产生与活体神经元高度相似的电信号。在使用小鼠脑组织切片进行的实验室测试中，这些人工神经元成功刺激了真实神经元，并引发了可测量的反应。这一成果展示了电子系统与生物神经网络之间达到了前所未有的兼容性水平。
这项研究为能够与神经系统通信的电子设备开辟了重要道路。该技术有望支持脑机接口和神经假体设备的发展，包括旨在恢复听力、视力或运动能力的植入装置。同时，研究结果还指向了更高效计算的未来。通过复制神经元发送信号的方式——这是大脑作为已知最节能计算系统的核心特征——下一代硬件能够在处理复杂任务时消耗远低于当前系统的能量。
该研究已于4月15日发表在《自然·纳米技术》期刊上。研究负责人、西北大学材料科学与工程系沃尔特·墨菲教授马克·赫萨姆表示:"我们今天生活的世界由人工智能主导。要让人工智能变得更智能，就需要用越来越多的数据来训练它。这种数据密集型训练导致了巨大的能耗问题。因此，我们必须开发更高效的硬件来处理大数据和人工智能。由于大脑的能效比数字计算机高五个数量级，从大脑中寻找下一代计算的灵感是合理的。"
随着计算需求的增长，传统系统通过增加更多相同组件来应对这些挑战。现代芯片包含数十亿个排列在刚性平面硅片上的晶体管，每个元件执行相同的功能。一旦制造完成，这些系统就无法改变。而大脑的运作方式则完全不同。它由多种类型的神经元组成，每种都有专门的角色，组织在柔软的三维网络中。这些网络不断适应，在学习发生时形成新连接并重塑现有连接。赫萨姆解释说:"硅通过拥有数十亿个相同的设备来实现复杂性。一切都是相同的、刚性的，一旦制造就固定了。大脑则相反。它是异质的、动态的和三维的。要朝那个方向发展，我们需要新材料和新的电子构建方式。"
尽管之前已经创造出人工神经元，但大多数产生的信号过于简单。为了生成更复杂的行为，工程师通常依赖大型网络，这会增加能耗。为了更好地匹配真实神经元的行为，研究人员使用柔软的可打印材料设计了他们的设备。他们用二硫化钼片层制造了专门的电子墨水，这种材料作为半导体发挥作用，而石墨烯则充当导体。这些墨水通过称为气溶胶喷射打印的方法沉积在柔性聚合物表面上。
此前，这些墨水中的聚合物成分被认为是一个缺点，因为它会干扰电流，所以通常在打印后被去除。在这种情况下，研究团队反而利用了它的优势。研究人员表示:"我们不是完全去除聚合物，而是部分分解它。然后，当我们让电流通过设备时，我们进一步推动聚合物的分解。这种分解以空间不均匀的方式发生，导致导电丝的形成，使所有电流都被限制在空间中的一个狭窄区域。"这条狭窄的导电路径产生了类似于神经元放电的突然电反应。因此，人工神经元可以产生各种各样的信号，包括单次尖峰、稳定放电和爆发模式，紧密模仿真实的神经活动。由于每个设备可以处理更复杂的信号传递，总体上需要的组件更少，这可能显著提高未来计算系统的效率。
为了确定这些人工神经元是否能与真实生物系统互动，研究团队与温伯格学院神经生物学教授英迪拉·拉曼合作。她的团队将人工信号应用于小鼠小脑切片。结果显示，这些电尖峰与自然神经元活动的关键特征相匹配，包括时间和持续时间。这些信号可靠地激活了真实神经元，并以类似于自然大脑信号的方式触发了神经回路。赫萨姆说:"其他实验室尝试用有机材料制造人工神经元，但它们放电太慢。或者他们使用金属氧化物，这些又太快了。我们处于一个以前未在人工神经元中展示过的时间范围内。你可以看到活体神经元对我们的人工神经元做出反应。因此，我们已经展示了不仅时间尺度正确，而且尖峰形状也正确的信号，可以直接与活体神经元互动。"
这种新方法还提供了环境和实际优势。制造过程简单且成本效益高，加法打印方法通过仅在需要的地方放置材料来有效使用材料，减少了浪费。随着人工智能系统的持续扩张，提高能源效率尤为重要。大型数据中心已经消耗大量电力，并需要大量水来冷却。赫萨姆指出:"为了满足人工智能的能源需求，科技公司正在建设由专用核电站供电的吉瓦级数据中心。很明显，这种巨大的功耗将限制计算的进一步扩展，因为很难想象下一代数据中心需要100座核电站。另一个问题是，当你耗散千兆瓦的功率时，会产生大量热量。由于数据中心用水冷却，人工智能正在给供水带来严重压力。无论你怎么看，我们都需要为人工智能开发更节能的硬件。"
这项研究得到了美国国家科学基金会的支持。