在人工智能技術飛速發展的當下，能耗問題正成為制約行業進一步突破的關鍵瓶頸。傳統數據中心因電力消耗過高而面臨運營壓力，這一困境源于現代芯片架構的固有缺陷——處理器與存儲器間的數據頻繁傳輸不僅消耗大量時間，更產生難以忽視的熱量。劍橋大學科研團隊近日在《科學進展》期刊發表研究成果，通過模擬生物神經系統的運行機制，成功開發出可降低人工智能能耗70%的新型設備，為解決這一全球性難題提供了創新方案。
研究團隊以人腦神經元與突觸的高效協作模式為靈感，突破傳統計算機二進制系統的限制，研制出基于氧化鉿材料的憶阻器。這種微型器件實現了信息處理與存儲的物理融合，通過調節電脈沖改變導電特性，使數據流在單一介質中完成動態處理。實驗數據顯示，該設備在保持百萬倍精度優勢的同時，僅需微弱電流即可維持穩定運行，其能量利用效率顯著優于需要持續數據交換的傳統芯片架構。
新型設備的核心創新在于引入電荷記憶功能，能夠精確記錄流經自身的電流變化?？蒲腥藛T通過優化導電率調節機制，使硬件系統具備類似生物神經連接的自主學習能力。這種設計不僅減少了數據傳輸路徑，更通過模擬人腦的并行處理模式，從根本上改變了信息處理方式。測試表明，采用該技術的計算系統在圖像識別等任務中，能耗較傳統架構降低七成，且運算速度提升顯著。
盡管這項突破性技術尚處于實驗室階段，但其為下一代計算設備設計開辟了全新路徑。研究團隊指出，該成果可應用于需要低功耗運行的智能傳感器、邊緣計算設備及自動駕駛系統等領域。隨著材料科學與神經形態工程的發展，這種模擬生物大腦運行機制的解決方案，有望推動人工智能技術向更高效、更可持續的方向演進，為應對全球能源挑戰提供技術支撐。
