在人工智能（AI）领域，大多数研究都致力于模仿大脑中负责复杂思维的大脑皮层。然而，美国西北大学的研究团队另辟蹊径，从大脑中负责反射和协调运动的小脑获得灵感，开发出一种全新的类脑电子芯片。该芯片能够以极低的能耗，几乎瞬时地检测出环境中的异常事件。相关研究成果于7月10日发表在《自然·通讯》杂志上。

小脑策略：高效的“新奇检测器”

“在类脑计算领域，研究人员通常试图模仿大脑皮层，即大脑的‘思维中心’，”该研究的共同领导者、西北大学的Mark C. Hersam教授解释道，“而我们的工作则是开发一种模仿小脑的器件。小脑控制着反射反应，似乎无需思考就能完成。小脑非常擅长忽略预期事件，并保存资源以应对意外情况。这种方法最终转化为更低的能耗，我们实现了数量级的改进。” 小脑就像一个自动化的“守门员”，不断监测环境，过滤掉常规的背景信息，只有在发生意外变化时才会被激活。

突破冯·诺依曼瓶颈：忆阻晶体管

传统计算机在处理数据时，需要在物理上分离的处理器和内存之间不断传输数据，这一过程消耗了大量能量。Hersam团队则通过一种名为“忆阻晶体管”的器件，将存储和计算功能集成在同一个物理空间内，从而大幅降低了能耗。在2023年发表于《自然·电子学》的一项研究中，该团队已经证明，仅用两个忆阻晶体管就能完成传统上需要100多个晶体管才能实现的AI分类任务，能耗降低了约100倍。

模拟小脑的兴奋与抑制平衡

在小脑中，神经回路包含两种相互竞争的信号——兴奋性信号和抑制性信号，它们之间保持着动态平衡。当意外事件发生时，这种平衡会短暂打破，从而提醒大脑需要做出反应。西北大学团队在硬件中重现了这一动态过程。他们开发的器件可以执行两种截然不同的角色：在一种模式下，它像兴奋性突触一样，随着信号的持续而逐渐增强其电响应；在另一种模式下，它则像抑制性突触，在初始爆发时响应最强，然后迅速衰减至零。这两种互补的行为使器件能够像小脑一样，区分常规事件和真正的新奇事件。

二硫化钼的非对称设计：实现模式切换的关键

为了在单个硬件中实现这种双模式能力，研究人员使用了原子级厚度的二硫化钼半导体材料。他们设计了一种非对称的晶体管架构，其中一个电极通过一层极薄的绝缘层与半导体部分重叠。这一看似微小的设计改变从根本上改变了电流在器件中的流动方式。只需反转施加电压的方向，就能在兴奋性和抑制性模式之间切换忆阻晶体管。

即时医疗异常检测：快于传统AI两倍

为了测试该系统的性能，研究人员向器件输入了一系列包含正常心律和心律失常的心电图记录。该器件成功忽略了正常的心跳，没有浪费任何计算资源。然而，一旦出现心律失常，它能在几毫秒内标记出异常，处理速度是传统AI模型的两倍以上。“我们的小脑启发式忆阻晶体管在一个心跳尚未结束前，就能在几分之一秒内检测到不规则心跳，”Hersam说，“这比传统AI快两倍以上。”

始终在线的未来：从可穿戴设备到网络安全

这种万倍级的运算成本降低，为在可穿戴健康监测贴片、自动驾驶汽车、工业机器人和实时网络安全系统中部署超低功耗、始终在线的边缘AI提供了直接路径，而无需连接耗能巨大的云端数据中心。Hersam表示，下一步计划探索如何模仿小脑随时间学习和适应的能力，例如，当一个曾经意外的事件反复发生时，大脑会逐渐学习并停止将其视为新奇事物。