近日，北京理工大学孙林锋教授课题组在类脑计算领域取得了一系列突破性进展，其研发的“记忆海绵芯片”正逐步将“模拟人脑思维”的愿景转化为现实。

该团队不仅成功发现了一种关键的新型功能材料，更以此为基础，构建出能够处理复杂任务的“微型人造大脑”，初步实现了从信息感知、数据存储、并行计算到智能决策的全流程一体化处理。这些重要研究成果已连续发表于《先进材料》及《自然·通讯》等国际顶级学术期刊。

从零到一的“魔法材料”：像调节旋钮一样模拟人类记忆

制造类脑芯片的首要挑战在于寻找合适的核心材料。在前期研究中，团队首次报道了一种原子级厚度的新型弛豫反铁电材料（CuBiP2Se6，简称CBPS）。其独特之处在于其“弛豫反铁电”特性。可以做一个形象的比喻：材料内部仿佛存在着无数对“拔河的小人”。在自然状态下，他们两两背对背，力量相互抵消，整体保持电中性；然而，当施加外部电场时，这些“小人”不会像开关一样瞬间集体翻转，而是像平滑旋转的“音量旋钮”，其极化方向能够随着电场强度连续、渐进地调整。

而“弛豫”特性正是其核心优势。这意味着材料具备类似“记忆海绵”的缓冲与迟滞效应。断电之后，已发生转向的极化单元不会像紧绷的弹簧立即弹回原状，而是像按压后缓慢恢复形状的海绵，有一个舒缓、渐进的恢复过程。这种“慢半拍”的平滑动力学转变，恰好精准模拟了人脑中记忆形成与遗忘的生理特征。因此，这种兼具稳定性和“温和”响应特性的超薄材料，成为了构建高性能类脑突触器件的理想选择。

有了优质的单点材料，下一步就是构建网络。单个器件能力再强，也无法应对复杂信息处理，必须将它们高密度地互联起来。随后的研究中，团队利用该材料通电后特性可平滑变化的优势，成功制备出了高密度的忆阻器交叉阵列。这个阵列相当于为系统植入了成千上万个仿生的“神经突触”。实测表明，该阵列不仅耐久性出色，具备长寿命，各个节点性能也表现出高度均一性。

那么，为何基于“弛豫反铁电”材料的器件，能胜任高阶学习任务呢？核心秘密就在于其“历史依赖”性。普通电子材料好比没有记忆的弹簧，通电解锁，断电瞬间复位，状态完全清零，只能执行僵化的指令。而这种弛豫材料在撤去电场后，状态恢复得“慢吞吞”，总会保留一部分先前状态的“痕迹”。这就赋予了芯片一种“回顾过去”的能力：它能感知到自己刚经历过的刺激强度。如果它“感觉”自己近期被频繁激活（类似于高强度学习），便会像人脑一样，自动调高下一次被激活的阈值，防止“信息过载”；反之，若处于“休息”状态，则会降低阈值，变得异常敏感。

这种能根据自身历史动态调整当下响应状态的能力，正是生物实现举一反三、进行复杂抽象思维的关键。也正是凭借这一特性，该器件得以模拟大脑在学习高级知识时的动态过程，为打造高能效、智能化的类脑芯片奠定了坚实基础。

终极集成：告别笨重分离架构，实现医疗影像“端到端”智能识别

在传统冯·诺依曼计算架构中，“感知单元（如传感器）”、“存储单元（内存/硬盘）”和“处理单元（CPU/GPU）”在物理上是分离的。数据需要在它们之间来回搬运，导致速度受限且能耗巨大。更棘手的是，传感器捕获的模拟信号（如图像、声音），数字处理器无法直接理解，中间必须插入一个庞大且耗能的“翻译官”——模数转换器（ADC）。此外，处理器在得出最终结论前，通常还需要依赖外部复杂电路来实现“激活函数”，这又进一步增加了系统的体积、成本和功耗。

针对这一系列瓶颈，团队在最新的集成工作中给出了创新性解决方案。他们通过精密的材料堆叠与器件设计，制造出了一个“感存算一体”的多功能融合器件。这个微型硬件，史无前例地将“图像感知、信息存储、并行计算、最终决策（激活函数）”四大功能集于一身。

这相当于进行了一场彻底的“硬件架构革命”：由于器件能直接“感知”并处理模拟信号，完成端到端的全模拟计算，中间那个笨重的“翻译官”（模数转换器）被成功摒弃；同时，因其内置了非线性决策能力，外部那些辅助性的激活函数电路也被大幅简化甚至移除，极大节约了硬件空间与能耗。当研究人员用这个“轻装上阵”的集成系统去识别复杂的医学影像（如病理切片）时，它不仅处理速度极快，识别准确率也超过了95%。更巧妙的是，它还能像具备自适应能力的系统一样，根据不同任务需求，灵活调整自身的“决策阈值”（即可调谐激活功能）。

孙林锋教授团队这一系列从基础材料、核心器件到系统集成的递进式研究，为突破传统计算面临的“能耗墙”与“存储墙”提供了全新的技术路径。展望未来，从低功耗可穿戴设备到微型自主医疗诊断机器人，都有望应用这种体积小巧、功耗极低的“中国芯”，推动人工智能计算向更高能效、更接近生物智能的方向演进。