韩国科学技术院（KAIST）的研究团队近日取得一项突破性进展，成功研发出一种新型“频率切换神经元”（Frequency Switching Neuristor）。该器件能够自主调节信号频率，效仿生物神经元适应环境的能力，为构建更节能、更稳定的AI硬件奠定了坚实基础。这项创新技术的核心在于其“内在可塑性”（intrinsic plasticity），即神经元能够根据过往活动和当前情境自主调整其响应特性。
传统AI硬件在模拟大脑固有的灵活性方面面临挑战，而KAIST的这项发明通过整合易失性与非易失性忆阻器，实现了可编程的多级频率-电压行为。这种设计使得神经元能够像生物神经元一样，在接收到重复刺激时降低敏感度，或在训练后对特定刺激变得更加敏锐，从而实现更高效的学习与适应。研究结果表明，在稀疏神经网络的模拟测试中，采用这种频率切换神经元的AI网络在保持计算精度的同时，能耗降低了27.7%。这一显著的能效提升，对于当前AI技术面临的巨大能源消耗挑战而言，无疑是一个重要的里程碑。此外，该神经元还展现出卓越的鲁棒性，即使在模拟的组件损坏情况下，也能通过自我重组来恢复性能，这对于需要长期稳定运行的应用场景至关重要。
这项发表于2025年8月18日《先进材料》（Advanced Materials）期刊的研究，由Kyung Min Kim教授领导，预示着AI硬件设计的新方向。忆阻器作为一种能够“记忆”其先前电状态的器件，在AI和类脑计算领域展现出巨大潜力。此前，研究人员已探索了多种忆阻器在AI中的应用，包括用于构建神经网络以提升图像识别和大数据处理能力，以及在自动驾驶车辆等领域实现更高效的计算。此次频率切换神经元的出现，进一步将忆阻器的应用推向了模拟生物神经元复杂适应机制的高度。
该项技术有望为边缘计算设备、自动驾驶汽车等对功耗和稳定性有严苛要求的应用带来革命性改变。例如，自动驾驶汽车需要处理海量传感器数据并进行实时决策，能耗和稳定性是关键考量因素。频率切换神经元的引入，能够显著降低这些系统的能耗，并提高其在复杂多变环境下的可靠性。随着AI技术的飞速发展，对更高效、更智能硬件的需求日益增长，这项基于内在可塑性的神经元技术，正引领着AI硬件迈向一个更具韧性和可持续性的未来。