頻率切換神經元模擬大腦可塑性，為 AI 硬體帶來更節能高效的未來

韓國科學技術院（KAIST）的研究團隊開發出一種創新的「頻率切換神經晶體管」，能夠模仿生物神經元隨環境調整訊號頻率的能力，這項突破為開發更節能且穩定的 AI 硬體開闢了新途徑。此裝置整合了易失性與非易失性憶阻器，實現了可程式化的多階頻率-電壓行為，使其能更有效地學習與適應。這種內在可塑性是其效能提升與韌性增強的關鍵。透過模擬稀疏神經網路的運算，研究顯示，與傳統 AI 網路相比，此新裝置能將能源消耗降低 27.7%，同時維持計算準確性。此外，該神經晶體管展現出卓越的韌性，即使在模擬的神經元元件受損的情況下，也能透過自我重組來恢復效能。這項發表於 2025 年 8 月 18 日《Advanced Materials》期刊的研究，由 Kyung Min Kim 教授領導，預計將為需要持續穩定性的應用，如邊緣運算裝置和自動駕駛汽車等領域帶來重大助益。這項技術的發展呼應了全球對更高效能運算的需求。隨著人工智慧的應用日益廣泛，其對能源的需求也成為一大挑戰。傳統的 AI 硬體在模仿大腦的靈活性方面面臨瓶頸，而 KAIST 的研究成果透過引入「內在可塑性」，即神經元根據情境自主調整其反應特性的能力，為解決此問題提供了關鍵。這種能力使得裝置能夠在不犧牲效能的情況下顯著降低功耗，這對於推動邊緣運算和物聯網（IoT）等需要低功耗運算的應用至關重要。此外，憶阻器（Memristor）作為一種能夠記憶其先前電阻狀態的元件，在 AI 領域扮演著越來越重要的角色。研究指出，憶阻器在降低數據傳輸時間和能源消耗方面具有巨大潛力，特別是在建構神經網路、處理醫學影像以及實現自動駕駛車輛方面。KAIST 的頻率切換神經晶體管正是利用了憶阻器的這些特性，結合了易失性和非易失性憶阻器的優勢，創造出一個能夠自主調節訊號頻率的裝置。這種整合不僅提升了 AI 硬體的能源效率，也增強了其穩定性和適應性，為未來更複雜的 AI 應用奠定了基礎。此項研究的成果，預示著一個更為節能、高效且穩健的人工智慧硬體時代即將來臨。