计算机在处理能力、数据存储和通信能力方面取得了显著进展，常常在各种任务中超过人脑。然而，人脑在一个关键方面仍然保持优势：能效。
“目前最有效的计算机在特定任务（如图像处理）上所需的能量约是人脑的10000倍，尽管它们在数学计算中优于人脑，”加州大学圣巴巴拉分校的考斯塔夫·班纳吉教授解释道。芯片上电子元件能源消耗的增加，尤其是由人工智能等应用推动，突显了迫切需要更高能效计算技术，以应对全球能源问题和气候变化。
神经形态（NM）计算作为一种有前景的解决方案，旨在提高能源效率。通过模仿人脑的结构和功能，人脑通过低功耗神经元并行处理信息，NM计算旨在接近大脑的能效水平。最近在《自然通讯》上发表的一项研究介绍了一种采用基于二维过渡金属二硫化物（TMD）隧道场效应晶体管（TFET）的高能效平台，旨在使能量需求接近人脑的水平。
神经形态计算的进展
神经形态计算的概念已经研究了几十年，但最近获得了动力。电路方面的创新使得晶体管的密集阵列得以实现，从而在更低的功耗下进行更多处理。这为开发灵感来源于大脑的硬件平台提供了机会，以满足来自人工智能和物联网等应用的日益增长的需求。
该团队开发的二维隧道晶体管是班纳吉教授正在进行的高性能、低功耗晶体管研究的基础。这些原子级薄的晶体管在低电压下高效运行，模拟人脑的能效过程。研究人员强调，这些二维TFET的较低截止状态电流和亚阈值摆幅（SS），提高了操作效率，具备更快的切换能力。
首席作者阿纳布·帕尔解释说，NM计算架构设计采用最少的发射电路，类似于人脑中的神经元仅在需要时激活。与消耗持续电力的传统计算架构（如冯·诺依曼架构）不同，NM系统根据输入选择性地激活，将内存和处理功能分布在晶体管阵列中。像英特尔和IBM这样的公司已经推出了具有互联晶体管的灵感来源于大脑的平台，从而实现了显著的节能。
研究人员指出，这些系统的能效仍有改进的空间。解决关闭电路中的漏电流至关重要，因为大多数能量是通过这种方式损失，而不是在激活状态下。通过利用内部状态电流较低的隧道场效应晶体管，他们旨在显著提高功率效率，相较于当前在NM芯片中使用的金属氧化物半导体场效应晶体管（MOSFET）。
将TFET集成到神经形态电路中，展示了比现有的FinFET等MOSFET设计更优越的能效。尽管TFET仍处于实验阶段，但其性能和能效使其成为下一代灵感来源于大脑的计算平台的有前景候选者。
根据英特尔的维韦克·德和迈克·戴维斯的说法，这个平台有潜力将芯片能耗降低到与人脑相当的水平，代表了当前技术的一项重大进展。
展望未来，班纳吉设想开发这些基于二维TFET的神经形态电路的三维版本，以实现与人脑的更近似，建立在他对三维集成电路普及的贡献之上。
