印度科学研究所 (IISc) 的研究人员开发了一种受大脑启发的模拟计算平台，能够在分子薄膜内存储和处理令人惊讶的 16,500 种电导状态的数据。今天发表在杂志上自然，这一突破代表着传统数字计算机向前迈出的一大步，传统数字计算机的数据存储和处理仅限于两种状态。

这样的平台有可能将复杂的人工智能任务（例如训练大型语言模型（LLM））带到笔记本电脑和智能手机等个人设备上，从而使我们更接近人工智能工具开发的民主化。由于缺乏节能硬件，这些发展目前仅限于资源密集型数据中心。随着硅电子产品接近饱和，设计能够与硅芯片一起工作的受大脑启发的加速器以提供更快、更高效的人工智能也变得至关重要。

“十多年来，神经形态计算一直面临着未解决的挑战，”领导该研究团队的 IISc 纳米科学与工程中心 (CeNSE) 助理教授 Sreetosh Goswami 解释道。“有了这一发现，我们几乎已经实现了完美的系统——这是一项罕见的壮举。”

大多数人工智能算法的基本操作都是非常基本的——矩阵乘法，这是高中数学中教授的概念。但在数字计算机中，这些计算消耗大量能量。IISc 团队开发的平台大大减少了所涉及的时间和精力，使这些计算变得更快、更容易。

该平台核心的分子系统由 CeNSE 客座教授 Goswami 设计。当分子和离子在材料薄膜内摆动和移动时，它们会创建无数独特的记忆状态，其中许多状态迄今为止无法访问。大多数数字设备只能访问两种状态（高电导和低电导），而无法利用无限数量的中间状态。

通过使用精确定时的电压脉冲，IISc 团队找到了一种有效追踪大量分子运动的方法，并将每个分子运动映射到不同的电信号，形成不同状态的广泛“分子日记”。

“这个项目将电气工程的精度与化学的创造力结合在一起，让我们能够非常精确地控制分子动力学电子电路由纳秒电压脉冲供电，”Goswami 解释道。

利用这些微小的分子变化，该团队能够创建一个高度精确和高效的神经形态加速器，它可以在同一位置存储和处理数据，类似于人脑。此类加速器可以与硅电路无缝集成，以提高其性能和能源效率。

该团队面临的一个关键挑战是表征各种电导状态，这证明使用现有设备是不可能的。该团队设计了一个定制电路板，可以测量小至百万分之一伏的电压，以前所未有的精度精确定位这些单独的状态。

该团队还将这一科学发现转化为一项技术壮举。他们仅使用一台台式电脑就能根据詹姆斯·韦伯太空望远镜数据（最初由超级计算机创建）重新创建 NASA 标志性的“创世之柱”图像。他们还能够以传统计算机所需的时间和精力的一小部分来完成这项工作。

该团队包括 IISc 的几名学生和研究员。Deepak Sharma 负责电路和系统设计以及电气表征，Santi Prasad Rath 负责合成和制造，Bidyabhusan Kundu 负责数学建模，Harivignesh S 精心设计了仿生神经元反应行为。该团队还与德克萨斯农工大学教授 Stanley Williams 和利默里克大学教授 Damien Thompson 合作。

研究人员认为，这一突破可能是印度在人工智能硬件方面最大的飞跃之一，使该国跻身全球技术创新版图。Navakanta Bhat，CeNSE 教授和专家硅电子领导了该项目的电路和系统设计。

“最引人注目的是我们如何将复杂的物理和化学理解转化为人工智能硬件的突破性技术，”他解释道。“在印度半导体使命的背景下，这一发展可能会改变游戏规则，彻底改变工业、消费者和战略应用。此类研究对国家的重要性怎么强调都不为过。”

在电子和信息技术部的支持下，IISc团队目前正致力于开发完全自主的集成神经形态芯片。

“从材料到电路和系统，这完全是本土的努力，”戈斯瓦米强调说。“我们正在顺利地将这项技术转化为片上系统。”