人工智能是当前科技界最热门的领域，不论是Google、Facebook、微软、IBM等国际IT巨头，还是在国内以百度、腾讯为代表的科技力量，或是麻省理工学院等知名学府，均将人工智能技术作为未来发展的重点，一批国家级的人工智能计划开始实施，如欧盟“人脑工程项目”、美国“大脑研究计划”、我国的重点研发计划等，谁能赢的了人工智能，谁就赢得未来。2016年1月28日，Google公司DeepMind团队在《Nature》上发文宣布其人工智能系统AlphaGo历史性的战胜人类的职业围棋-欧洲围棋冠军樊麾。2016年3月，AlphaGo又以4:1的战绩战胜了韩国围棋九段棋手李世石。《商业周刊》甚至发表了《人类输给了AlphaGo，却赢得了世界》的评论。谷歌旗下的人工智能AlphaGo本质上还是运行在超级计算机上的深度增强学习软件，所需硬件资源和能源消耗过大。最近IBM、Qualcomm和HRL实验室的研究人员开始致力于创建与传统计算机在处理信息方式上有着本质不同的神经仿生计算机。他们采用成熟的CMOS电路来开展突触和神经元功能的仿生。例如2014年8月8月IBM公司曾在《Science》杂志封面报道了一款True North芯片，该芯片实现了百万神经元和2.56亿突触的仿生。不过人脑启发软件公司 Numenta创始人杰夫•霍金斯（Jeff Hawkins）认为该芯片本身不能实现学习功能,还称不上是真正意义上的类脑芯片。

从底层出发研制具有生物突触功能的元器件对于构建神经形态系统和研制真正意义上的“类脑芯片”意义十分重大。最近几年，在阻变/忆阻器、相变存储材料和双电层晶体管基础上发展起来的 “人造突触”器件引起了各国研究人员的广泛关注。具有多输入栅电极端口的双电层晶体管在构建多输入神经网络方面比两端突触器件更加灵活和自由。37000cm威尼斯万青、施毅教授课题组2008年就开始从事氧化物双电层晶体管及其人造神经元和人“类脑芯片”的应用研究。课题组在晶体管层面集成固态质子导体栅介质和非晶氧化物沟道层，并实现了生物突触的尖峰时间依赖的可塑性、双脉冲易化、高通滤波等特性的仿生模拟。已累计在Nature Commun.、Adv. Mater.、Nano Lett.、IEEE EDL、Appl. Phys.Lett.等学术期刊上发表了50多篇论文。

图1. 以氧化石墨烯电解质为栅介质的多输入氧化物神经元晶体管及其生物神经元特性的仿生结果

图2.氧化物神经元晶体管非线性整合功能的仿生和方向调节功能的仿生结果

最近该课题组首次研制成功了一种具有多输入端口的质子导电电解质（氧化石墨烯）耦合的神经元晶体管，并在该人造神经元上实现了生物神经元的非线性整合、增益调控和树突运算等功能的仿生模拟。研究还发现多个栅极输入可以非线性地并行耦合到沟道层，这一现象与神经元中树突整合功能十分类似。在此基础上，研究人员成功实现了视觉神经元的方向调节和尖椎神经元输入-输出关系的乘法运算功能的仿生。有关研究结果2016年3月12日在线发表在《AdvancedMaterials》，http://dx.doi.org/10.1002/adma.201505898。上述研究结果为发展新一代超低功耗类脑芯片和人工智能系统提供了实现途径。

该研究得到了国家杰出青年基金（61425020）、国家重大科学研究计划项目（2013CB932900）、江苏省双创人才计划等项目的资助。

（电子科学与工程学院 科学技术处）