当前，机器学习应用正变得越来越关键，这背后离不开硬件技术的持续演进。一个明确的方向是，我们需要更小、更节能的芯片——这意味着在同等面积的电路上，必须实现更强的数据处理与存储能力。

但现实情况是，现有芯片架构的效率瓶颈依然突出。在传统的冯·诺依曼架构中，数据存储单元和数据处理单元是物理分离的。这就导致了一个根本性问题：数据需要在两者之间来回“搬运”。这个过程不仅耗时，更消耗了大量原本可用于人工智能计算的能量。

有趣的是，自然界早已提供了更高效的方案。人脑作为目前已知最强大的“计算机”，其神经元本身就具备同时处理与存储信息的能力。受此启发，工程师们一直在尝试设计一种“内存内逻辑”芯片，也就是常说的“忆阻器”。其核心思路很直观：如果数据不需要长距离传输，设备就能做得更小、更快，能耗也会大幅降低。

最近，瑞士洛桑联邦理工学院纳米级电子与结构实验室的研究团队，在这个方向上取得了突破。他们成功开发出一款新型电路，有望造出更小巧、更迅捷且更节能的设备，这对人工智能系统的发展无疑是个重大利好。这项技术的革命性在于，它首次在单一架构中，利用二维材料实现了内存与逻辑的融合。

这款新型芯片基于“浮栅场效应晶体管”构建——这类晶体管常见于闪存系统。团队的创新点在于材料：他们使用了二硫化钼。这是一种仅三个原子厚的二维材料，同时具备优异的半导体特性。FGFET本身有一个突出优点，即能够长时间保持电荷，这也是它被广泛用于相机、智能手机存储系统的原因。

关键在于，二硫化钼独特的电学性质，使其对FGFET中存储的电荷异常敏感。正是凭借这一特性，研究人员设计出了既能作为存储单元，又能充当可编程晶体管的电路。通过使用二硫化钼，他们得以将多种处理功能集成进单一电路，并且能按需进行灵活配置。

这种电路设计带来的好处是多方面的。最直接的，是大幅减少了数据在存储与处理器之间搬运所产生的能量损耗，同时显著缩短了计算操作所需的时间。此外，电路空间的利用率也得到提升。这为开发更小型、更强大、更节能的专用人工智能设备铺平了道路。

该研究成果已发表在《自然》期刊上。