据报道，新加坡国立大学材料科学与工程系副教授 Mario Lanza 领导的团队近期在神经形态计算领域取得重要进展。他们成功证明，通过特定方式偏置，标准单个硅晶体管即可实现神经和突触行为，这一研究成果已发表在《自然》杂志上。

人工神经网络（ANN）在硬件实现中，通常由数百万个电子神经元和数亿个电子突触组成，其能效在某些小规模数据密集型任务中优于传统计算机。目前，英特尔的 Loihi2 和 IBM 的 NorthPole3 等先进神经形态芯片，采用 CMOS 晶体管构建仿生神经元和突触模拟电路，每个神经元需要至少 18 个晶体管，每个突触则需要 6 个晶体管。简化结构和尺寸对于开发更复杂、更大规模、更节能的人工神经网络至关重要。

研究团队通过串联额外的 CMOS 晶体管，构建了一个多功能晶体管单元（命名为神经突触随机存取存储单元，NS-RAM），能够表现出可调节的神经突触响应，并在神经元或突触模式间切换。该技术基于成熟的硅 CMOS 平台，具有 100% 良率和极低的器件间可变性，无需额外材料或工艺。

Mario Lanza 教授团队的方法通过调整体硅电阻率，激发一种称为冲击电离的物理现象，从而模拟神经元和突触的电流尖峰特性。此外，通过将体电阻率设置为特定值，晶体管还能在栅极氧化层中存储电荷，模仿生物突触行为。

这项研究不仅为实现高效人工神经网络提供了短期解决方案，也为人工智能应用的 CMOS 电路设计优化开辟了新方向。团队已在 180nm CMOS 工艺上实现了单晶体管和双晶体管神经形态功能。