中国研究团队在半导体领域取得新突破，基于 DRAM 原理

目前，在自动驾驶、智能家居系统和工业控制等领域，对边缘智能硬件的需求日益增加，以在本地处理传感器和智能设备生成的实时环境数据，从而最小化决策延迟。能够精确模拟各种生物神经元行为的神经形态硬件有望推动超低功耗边缘智能的发展。现有研究已探索具有突触可塑性（即通过自适应变化来增强或减弱突触连接）的硬件，但要完全模拟学习和记忆过程，多种可塑性机制——包括内在可塑性——必须协同工作。

为解决这一问题，由复旦大学微电子学院包文忠教授、集成电路与微纳电子创新学院周鹏教授以及香港理工大学蔡阳教授领衔的联合研究团队提出了一种新型仿生神经元结构。利用晶圆级二维半导体（MoS₂）材料，并基于动态随机存取存储器（DRAM）原理，他们首次实现了内在塑性、脉冲时间编码和视觉适应在单一硬件单元中的协同集成。

根据“复旦大学微电子学院”，研究人员开发了一种用于图像识别的生物启发神经网络（BioNN），其中 2D DRAM 神经元模块被用作图像预处理和计算层。该神经元可以同时执行脉冲时间编码、调节内在神经元可塑性，并模拟视觉适应的生物神经动力学。通过突破传统神经形态硬件架构的限制，它将感知、记忆和计算集成在一起，从而实现了高效的类脑视觉事件处理。

展望未来，二维神经元模块有望成为扩展至大规模神经形态计算系统的通用构建模块，与先进传感器、存储设备和类脑算法深度融合。这将能够高效构建从边缘智能终端到大规模分布式类脑网络的各种系统。潜在应用包括自动驾驶、智能医疗、机器人感知和脑机接口，为低功耗、实时智能系统提供基础支持，并推动神经形态计算技术向更接近生物神经系统的形式发展。

研究团队表示，这一突破充分利用了二维半导体的超低功耗优势，将人工智能计算推进到更符合生物学、更节能的范式。同时，它为二维半导体在边缘智能硬件和神经形态视觉系统中的应用开辟了一条全新的途径。团队已经开始关注其研究成果的工程转化，旨在为二维半导体的产业化铺平道路，实现从“1到10”的跨越。