浙大团队打造新型仿生神经元，可重构生成丰富脉冲发放行为，有望实现类脑计算高效部署

主要观点总结

浙江大学潘纲教授和林芃研究员团队首次实现了一种基于新型类脑器件的人工神经元，可以实现多种复杂编码方式，弥补了以往神经元单元硬件部署开销大及仿生功能单一等不足。该神经元设计采用快慢子动力学交互实现复杂神经编码的硬件设计思路，具有仿生度高、功能丰富可调、硬件开销低等显著优势。此外，该团队还致力于实现这类神经元单元的规模化集成，构建具备神经网络高效部署与运行能力的类脑芯片，用于边缘计算、脑机接口、类脑计算系统等场景。

关键观点总结

关键观点1: 研究背景及意义

随着人工智能技术的发展，类脑计算系统成为研究热点。以往神经元研究需要更改电路元件或电路刺激来实现多样化发放，存在硬件开销大、仿生功能单一等问题。

关键观点2: 研究成果

浙江大学潘纲教授和林芃研究员团队首次实现了一种基于新型类脑器件的人工神经元，具有仿生度高、功能丰富可调、硬件开销低等优势。该神经元的设计突破了以往复杂神经元电路发放行为难以重构的难题，为脑启发计算系统的实现提供了一种新颖的硬件解决方案。

关键观点3: 研究方法和思路

课题组利用快慢子动力学交互实现复杂神经编码的硬件设计思路来构建神经元单元，提出两种类脑器件的异构集成方法，高效实现了人工神经元单元不同放电模式间的便捷切换。此外，课题组还结合软件算法的运行特点设计集成架构，开展器件性能和制备工艺的优化工作，以提高器件的稳定性和可靠性。

关键观点4: 未来展望和挑战

研究团队正在开展更加深入的工作，重点是实现这样器件的规模化集成。接下来的一两年间，他们计划研制出类脑芯片，将其用于实际场景中，真正实现类脑计算高效部署运行。面临的挑战包括提高器件性能、设计集成架构等。