目前，在自動駕駛、智能家居系統(tǒng)和工業(yè)控制等領域，對邊緣智能硬件的需求日益增加，以在本地處理傳感器和智能設備生成的實時環(huán)境數(shù)據(jù)，從而最小化決策延遲。能夠精確模擬各種生物神經(jīng)元行為的神經(jīng)形態(tài)硬件有望推動超低功耗邊緣智能的發(fā)展?，F(xiàn)有研究已探索具有突觸可塑性（即通過自適應變化來增強或減弱突觸連接）的硬件，但要完全模擬學習和記憶過程，多種可塑性機制——包括內(nèi)在可塑性——必須協(xié)同工作。

為解決這一問題，由復旦大學微電子學院包文忠教授、集成電路與微納電子創(chuàng)新學院周鵬教授以及香港理工大學蔡陽教授領銜的聯(lián)合研究團隊提出了一種新型仿生神經(jīng)元結(jié)構(gòu)。利用晶圓級二維半導體（MoS?）材料，并基于動態(tài)隨機存取存儲器（DRAM）原理，他們首次實現(xiàn)了內(nèi)在塑性、脈沖時間編碼和視覺適應在單一硬件單元中的協(xié)同集成。

根據(jù)“復旦大學微電子學院”，研究人員開發(fā)了一種用于圖像識別的生物啟發(fā)神經(jīng)網(wǎng)絡（BioNN），其中 2D DRAM 神經(jīng)元模塊被用作圖像預處理和計算層。該神經(jīng)元可以同時執(zhí)行脈沖時間編碼、調(diào)節(jié)內(nèi)在神經(jīng)元可塑性，并模擬視覺適應的生物神經(jīng)動力學。通過突破傳統(tǒng)神經(jīng)形態(tài)硬件架構(gòu)的限制，它將感知、記憶和計算集成在一起，從而實現(xiàn)了高效的類腦視覺事件處理。

展望未來，二維神經(jīng)元模塊有望成為擴展至大規(guī)模神經(jīng)形態(tài)計算系統(tǒng)的通用構(gòu)建模塊，與先進傳感器、存儲設備和類腦算法深度融合。這將能夠高效構(gòu)建從邊緣智能終端到大規(guī)模分布式類腦網(wǎng)絡的各種系統(tǒng)。潛在應用包括自動駕駛、智能醫(yī)療、機器人感知和腦機接口，為低功耗、實時智能系統(tǒng)提供基礎支持，并推動神經(jīng)形態(tài)計算技術向更接近生物神經(jīng)系統(tǒng)的形式發(fā)展。

研究團隊表示，這一突破充分利用了二維半導體的超低功耗優(yōu)勢，將人工智能計算推進到更符合生物學、更節(jié)能的范式。同時，它為二維半導體在邊緣智能硬件和神經(jīng)形態(tài)視覺系統(tǒng)中的應用開辟了一條全新的途徑。團隊已經(jīng)開始關注其研究成果的工程轉(zhuǎn)化，旨在為二維半導體的產(chǎn)業(yè)化鋪平道路，實現(xiàn)從“1到10”的跨越。