几十年来，科学家们一直在研究如何重建生物神经元的计算能力，以开发更快、更节能的机器学习系统。一种很有前途的方法是使用忆阻器，但一个关键挑战是难以整合前馈和反馈神经元信号，而前馈和反馈机制巩固了人类利用奖励和错误来学习复杂任务的能力。

　　在最新研究中，科学家们扩展了电子忆阻器的功能，使其既能响应光信号，又能响应电信号，如此一来，前馈和反馈路径可同时存在于一个网络中。

　　研究团队解释说，二维材料只由几层原子组成，这种精细的尺度赋予其多种奇异的特性，可根据材料的分层方式对这些特性进行微调。他们堆叠石墨烯、二硫化钼和二硫化钨3种2D材料，制造出一种设备，可根据照射在其上的功率和光/电的持续时间，显示出其电导率的变化。与数字存储设备不同，这些设备是模拟的，其操作方式与人脑中的突触和神经元类似，可进行计算。

　　研究人员表示，他们的方法有望在人工智能计算领域“大显身手”。此外，神经形态工程和算法领域的重要进步，有助科学家们更好地模拟和理解大脑。

　　人工神经元是当下的热门概念，它是人脑神经元的某种抽象、简化和模拟。人类大脑内有百亿个神经元，处理问题不仅迅速，耗能还低，让电子计算机好不“羡慕”。开发人工神经元，需要脑科学、神经科学、计算科学还有芯片等各个领域的跨界融合。这次，科研人员用了3种2D材料制备出了薄如原子的人工神经元，它能学习和处理更加复杂的任务。人工智能的发展对计算能力提出了越来越高的要求，只有开发出革命性硬件，才能适应未来算力爆炸时代的要求。