跳动城乡网随着人工智能、物联网、机器学习等新产业的出现，全球领先企业都在重点开发下一代人工智能半导体，能够在高效消耗能源的同时处理海量数据。
受人脑启发的神经形态计算就是其中之一。因此，基于新兴材料和结构的模仿生物神经元和突触的设备不断被开发出来，但将单个设备集成到系统中以验证和优化它们的研究仍然缺乏。
为了使大规模的人工神经网络硬件在未来变得实用，必须将人工神经元和突触器件集成起来，并且需要通过制造具有相同材料和结构的器件来降低批量生产成本和能源使用。
韩国科学技术研究院(KIST)神经拟态工程中心的JoonYoungKwak博士领导的团队实现了一种用于人工神经拟态设备的集成元件技术，该技术可以像“乐高积木”一样连接神经元和突触，构建大型神经拟态设备。-规模人工神经网络硬件。该研究发表在《先进功能材料》杂志上。
该团队使用六方氮化硼(hBN)制造了垂直堆叠的忆阻器器件，六方氮化硼是一种有利于高集成度和超低功耗实现的二维材料，以展示生物神经元和突触特性。
由于该团队设计的人工神经元和突触器件具有相同的材料和相同的结构，与传统的基于硅CMOS的人工神经模拟器件使用多个器件的复杂结构不同，该团队开发的器件确保了工艺的简便性和网络的可扩展性，为大规模人工神经网络硬件的开发铺平了道路。
通过集成和连接所开发的设备，团队还成功在硬件中实现了人工神经网络的基本单元“神经元-突触-神经元”结构，以演示基于尖峰信号的信息传输，这就是人脑的信息传输方式作品。
通过实验验证两个神经元之间尖峰信号信息的调制可以根据人工突触装置的突触权重进行调整，研究人员展示了将基于hBN的新兴装置用于低功耗、大规模AI硬件系统的潜力。
KIST的JoonYoungKwak博士表示：“人工神经网络硬件系统可用于高效处理智能城市、医疗保健、下一代通信、天气预报和自动驾驶汽车等现实生活应用中生成的大量数据。”。
“它将显着减少能源使用，同时超越现有硅CMOS设备的尺寸限制，从而有助于改善碳排放等环境问题。”
