剑桥大学忆阻器研究

剑桥大学领导的研究团队在《Science Advances》发表论文，展示了一种新型纳米电子器件——改良氧化铪忆阻器，能够模拟人脑神经元的连接与通信方式。

技术突破

• 材料创新：通过在氧化铪薄膜中掺入锶和钛，创建了可控的p-n结开关机制，实现了极低电流、高稳定性和多态切换。
• 能效提升：神经形态计算将存储与计算合二为一，可将AI能耗降低高达70%。
• 产业化前景：为大规模神经形态AI芯片的产业化铺平了道路，有望从根本上缓解AI产业面临的能源瓶颈。

研究团队

研究负责人Babak Bakhit博士指出，现有忆阻器依赖不可预测的导电细丝机制，而新器件实现了可控的开关机制。

相关概念

• [[神经形态计算]]：忆阻器是神经形态计算的核心器件。
• [[AI能效革命]]：该突破是AI能效革命的关键进展。
• [[physical-ai]]：低功耗芯片是Physical AI发展的关键前提。