在人工智能已經炒的沸沸揚揚的當下，計算機已經能夠很好地執行一些模擬人類大腦功能的任務，例如面部識別和語言翻譯等。然而，從本質上來講，計算機本身還是不能像人類大腦一樣運作。

西北大學（Northwestern University）的 Mark C.Hersam 教授說：“計算機的處理單元和內存單元是相互獨立的，而大腦則是利用神經元實現這兩個功能的。與數字計算機相比，神經網絡能實現更復雜的計算，并且能耗要低得多。”

近年來，研究人員一直致力于使計算機的運作更具備神經形態，或者說更“類腦”，從而更高效的執行日益復雜的任務。日前，來自美國西北大學麥考密克工程學院（McCormick School of Engineering）下屬材料科學與工程系的 Walter P.Murphy 教授 Hersam 及其團隊的研究成果使人類更加接近這一目標。

Hersam 團隊開發出一種稱為“記憶元件”（memtransistor）的新型器件，同時具備記憶和信息處理兩種功能，能夠像神經元一樣運作。這種“記憶元件”組合了憶阻器（memristor）和晶體管（transistor）的特性，同時還包含了多個運作起來類似神經元末梢的終端。

該研究成果 2 月 22 日在線發表于頂級期刊《自然》雜志上，Hersam 教授的博士后 Vinod K.Sangwan 和 Hong-Sub Lee 是該論文的共同第一作者。該研究獲得了美國國家標準技術研究所（National Institute of Standards and Technology， NIST）和國家科學基金會（National Science Foundation， NSF）的支持。

這種“記憶元件”是基于該團隊 2015 年發表的研究成果實現的。在 2015 年的研究中，Hersam、Sangwan 及其合作者利用單層二硫化鉬（MoS2）開發出一個三終端、門可控的憶阻器，能夠實現快速、可靠的數字記憶存儲功能。

憶阻器（memristor）是“記憶電阻”（memory resistor）的縮寫，是一種被動電子元件。如同電阻器，憶阻器能產生并維持一股安全的電流通過某個器件。但是與電阻器不同的地方在于，憶阻器可以在關掉電源后，仍能“記憶”先前通過的電荷量。典型的憶阻器是雙端電子器件，只能控制一個電壓通道。Hersam 團隊將憶阻器提升為三端設備，從而為憶阻器在更復雜的電子電路系統中的應用（如神經形態計算）提供了可能性。

為了進一步研發“記憶元件”，Hersam 團隊再次使用了原子層厚度的 MoS2 材料，并且具備輪廓清晰的晶界，因為這將影響電流的流動。與木材中纖維排列的方式相似，原子在材料中排列成有序的結構域，稱為“晶粒”（grains）。當外加較大電壓時，材料的晶界將促使原子產生運動，從而引起電阻的變化。

“因為 MoS2 只有原子層厚度，所以很容易受到外加電場的影響，”Hersam 解釋說。“這個性質使我們能制造出晶體管。而憶阻器的特性則來自于材料中的缺陷是相對可移動的，尤其是在晶界存在的情況下。”

不同于先前使用單片 MoS2 的憶阻器，Hersam 的團隊此次研制的“記憶元件”所使用的是一大片連續的多晶 MoS2 薄膜，該薄膜由大量較小的 MoS2 晶片所組成。這使得研究小組能夠將該新型器件從一小片擴大到整個晶圓上的批量化生產。

“只要這種器件的長度大于單個晶粒的尺寸，就能保證整個晶圓上的器件都包含有晶界，”Hersam 說。“因此，我們可以在大量的此類陣列化器件中看到可重復、可門控的憶阻響應。”

在制造出排布于整個晶圓的大量“記憶元件”之后，Hersam 團隊又添加了額外的電接觸點。典型的晶體管以及 Hersam 之前開發的憶阻器各有三個終端，而在最新發表的論文中，Hersam 團隊實現了具備七個終端的器件，其中的一個終端控制著其他六個終端之間的電流。

“這種設計更類似于大腦中的神經元，”Hersam 說，“因為在大腦中，通常一個神經元并不是只與另一個神經元相連。相反，一個神經元會連接到多個其他神經元以形成一個網絡。我們開發的器件結構就允許多個觸點，這類似于神經元中的多個突觸。“

接下來，Hersam 及其團隊正在努力使這種“記憶元件”變得更快更小。Hersam 還計劃繼續擴大該器件的產率以實現大批量化制造的目的。

他說：“我們認為這種記憶元件有望成為新型神經形態計算的基本電路元件。然而，制造 10 億個這樣的元件，與制造幾十個這樣的元件是大大不同的，我們目前還是基于傳統的晶體管技術來實現的。到目前為止，我們還沒有預見任何妨礙我們的方法進一步擴大量產的根本性障礙。”