目前基于人工神经网络概念的深度学习正在飞速发展，被广泛地应用在诸如语音识别、图像识别、自然语言处理等领域。尽管如此，领域内很多资深人士认为，人工智能发展的终极路线还是需要在硬件上成功实现模拟人脑的“电子大脑”。

近日，南京大学物理学院缪峰团队分别在类脑视觉传感器和可重构类脑电路方面取得重要进展，有望为未来开发基于二维量子材料的新型类脑芯片提供物理和技术基础，成果于6月25日和6月30日分别发表在权威期刊《科学》子刊（科学·进展）和《自然》子刊（自然·电子学）上。

人脑是自然界中最完美的信息处理系统，也是我们已知的宇宙中最复杂的智能主体。模拟人脑信息处理的方式，并仿制出像人脑一样能够“思维”，且在工作性能上超越人脑的“人工智能计算机”，一直是许多科学家毕生追求的梦想。

人脑中处理信息的神经网络是由神经元通过突触连接形成的，这些神经元对于信息的传递和处理方式完全不同于硅基晶体管所构成的电路。采用传统硅基晶体管的电路来模拟人脑中的突触或者神经元的功能，不仅需要耗费大量的硬件资源，而且执行信息处理的过程极其耗能。因此，从硬件上实现人工“电子大脑”，对人工智能未来的发展至关重要。

在这种发展需求下，类脑计算应运而生，且正受到工业界和学术界的极大关注。类脑计算要求新型电子器件能够在器件层面模拟神经元和突触，在系统层面实现对人脑部分功能的模拟。未来人工智能的发展是否真正能够实现类似于人类一样，具有强大的获取信息、学习、推理、认知等能力，很大程度上依赖于我们是否能够借助描述微观世界的量子物理出发，找到合适的量子材料，构建出可以模拟人脑运行基本结构的新原理类脑器件以及由这些器件集成的硬件类脑系统。

二维材料作为一种非常重要的量子材料，它具有原子的尺寸和有别于传统三维体块材料的全新物理性质，而且对外界刺激响应灵敏，使得外场调控成为可能。更为有趣的是，二维材料具有非常好的垂直扩展性，这让研究人员可以像“搭乐高”一样，在原子世界里，将性质迥异的多种二维材料按照不同的顺序进行堆垛，制造出自然界并不存在的新型结构材料。

缪峰团队一直专注于探索二维材料独特的物理性质，并利用这些性质来实现打造未来的类脑计算硬件，近年来取得了诸多进展。两年前，他们在《自然·电子学》期刊上报道，通过“原子乐高”的方式，可以制备出耐高温、具备高鲁棒性的忆阻器，而忆阻器也被人们视为一种典型的人工突触器件。

该团队提出，可以通过“原子乐高”的方式搭建基于二维材料垂直异质结的类脑视觉传感器，这些垂直结构不仅能够自然地模仿人类视网膜的垂直分层结构，而且异质结中包含的不同二维材料可被用来模拟视网膜中不同细胞的功能。基于这种类脑视觉传感器，团队进一步构建了能够对感知的图片信息进行同步处理的器件阵列，将阵列用于执行人工神经网络的功能，对输入图像进行快速识别。该工作从原理上证明，利用范德华异质结的特性模拟人类视网膜结构和功能的研究思路有望将来被用来实现新型的类脑视觉芯片。

这种“原子乐高”的方式能够将二维材料中多个物理自由度进行耦合，创造出诸多新奇的物理现象，为在电子器件层面实现高逼真模拟神经元或者突触、电路系统层面实现类脑功能提供了可能。

与此同时，该团队还发现，利用一种二维层状半导体材料（二硒化钨）的双极性场效应特性和可变的漏端电压极性，可以设计出电场可调的二维同质结器件，从而在器件层面能够实现“可重构”的多种电学特性。进一步通过对器件进行集成，团队最终实现了功能可重构的类脑电路，与实现同样功能的传统硅基类脑电路相比，该技术所需晶体管数量大大减少，成功实现了“瘦身”的目标。这项技术一方面有利于芯片的小型化和提升功能密度，另一方面也能够降低芯片的整体能耗，有望为物联网、边缘计算、人工智能等应用的快速发展提供助力。这项工作也为未来可重构数字和类脑混合电路芯片的设计提供了一种全新的思路。