科学家研发出可像人脑一样学习的微型电子器件

来源：维尔茨堡大学｜2026年11月1日｜

基于氧化物界面的创新元器件

维尔茨堡ctd.qmat卓越集群的研究人员开发了这款基于氧化物界面的新型元器件，能够在电子层面复刻神经网络的核心功能，为高能效硬件开辟新方向。

这项类脑电子学突破，有望催生一类脱离传统计算架构、可自主处理信息并实现学习的器件。

单个纳米级电子元件可同时承担三种功能：通断电流、依靠电阻存储信息、借助电容变化记住过往电活动。德国研究团队利用特殊氧化物材料验证了该多功能特性，为打造更接近人脑模式、自适应处理信息的计算机硬件铺平道路。

当前人工智能系统耗电量巨大，大模型训练阶段尤为突出。科研人员探索新型硬件的一大原因，是传统计算机普遍将存储单元与计算单元分离，数据需要在二者之间来回传输。而人脑的工作模式截然不同：神经元通过突触相互通信，突触连接会随重复、强信号发生改变。这种自适应能力称为神经可塑性，是人脑从经验中学习的基础。

具备学习能力的特殊材料界面

维尔茨堡大学、维尔茨堡-德累斯顿ctd.qmat卓越集群的研究团队，研发出可以模拟神经元与突触多项关键行为的电子元器件。该方案采用复杂氧化物，这类材料的电学特性可被调控，在同一材料体系内实现多种功能。

器件由两种材料构成：铝酸镧（LaAlO₃，简称LAO）与钛酸锶（SrTiO₃，简称STO）。两种材料单独状态下均为电绝缘体，但贴合在一起后，会在界面形成一层极薄的导电层——准二维电子气，电子被限制在材料交界区域内移动。

研究人员对界面进行精细图形化加工，可制备出微观导电通路，也被称作“电子高速公路”。电流能够推动结构内的氧原子移位，改变器件电阻；借助电刺激，器件由此被“训练”，形成存储过往活动信息的物理机制。

一枚微型器件，三种电子功能

依托这套材料平台，维尔茨堡团队制备出可充当晶体管、忆阻器、忆容器的元器件。晶体管负责控制电流；忆阻器依靠电阻变化存储信息；忆容器机制不同：它储存电荷的能力，取决于自身此前的电学状态。

实验证实：同一个纳米器件，只需调整外接电路方式，即可切换为上述任意一种功能。这种多功能特性，能够简化直接在硬件上搭建人工神经网络的设计难度。

维尔茨堡大学技术物理系博士后Soumen Pradhan表示：“我们这套平台最吸引人的地方，就是能用同一种材料体系实现截然不同的功能。这让我们离新一代硬件更近一步——硬件不仅可以运算，还能在元件内部直接学习、临时存储信息。”

迈向更高能效的类脑计算

“类脑计算”旨在在电路中复刻人脑的部分信息处理与学习机制。这类系统不再持续在独立的计算、存储单元之间搬运数据，而是尝试在单个元件内融合计算、信息存储与自适应功能。

维尔茨堡大学ctd.qmat卓越集群发言人、论文共同作者Ralph Claessen说：“复杂氧化物是我们非常看好的方向，它可以在单一材料平台上集成多种电学特性。这正是它适配新一代高能效、可自适应计算机硬件的核心原因。”

未来可应用于可穿戴健康设备

健康监测是潜在应用方向。搭载这类自适应电子器件的可穿戴设备，未来有望直接分析生理信号，不再需要为每一项处理任务配备独立计算硬件。

这类“自学习”传感器有望监测心率、血压、体温、血氧饱和度或血糖，并且可以根据输入数据动态调整响应方式。信号在本地完成处理，还能降低向外部系统传输数据的能耗。

不过目前这些愿景仍属于长期目标。该研究仅验证了底层电学功能，并不是一套完整的人工智能系统或医疗传感器。后续还需要持续研发，验证这项技术能否在功耗、可靠性、性能上带来实际提升。

 “Oxide interface-based polymorphic electronic devices for neuromorphic computing” by Soumen Pradhan, Kirill Miller, Fabian Hartmann, Merit Spring, Judith Gabel, Berengar Leikert, Silke Kuhn, Martin Kamp, Victor Lopez-Richard, Michael Sing, Ralph Claessen and Sven Höfling, 9 April 2026, Nature Communications.

支持单位：