模仿生物神经元的柔性有机电路——如脑细胞一样的计算机芯片，可以提高处理速度，有朝一日可能会直接挂在你的脑袋上。科学家将此电脑称为认知电脑，或神经电脑。

　　认知电脑，英文：CognitiveComputer，是一种试图重现人脑行为，并且结合了人工智能及机器学习算法的芯片，一般采用“神经形态工程”的途径。

　　神经形态工程（NeuromorphicEngineering），又称为神经形态计算，是使用包含电子模拟电路的超大规模集成系统来模拟神经系统中存在的神经生物学架构。神经形态计算机/芯片是使用物理人工神经元进行计算的任何设备。

　　最近，神经形态这一术语已被用于描述模拟、数字、混合模式模拟/数字超大规模集成系统以及实现神经系统模型的软件系统（例如感知、运动控制或多感官整合）。神经形态计算在硬件层面的实现可以通过基于氧化物的忆阻器、自旋电子存储器、阈值开关和晶体管来实现。训练基于软件的脉冲神经网络的神经形态系统可以使用误差反向传播来实现，例如，使用基于Python的框架，如snnTorch，或使用来自生物学习文献的规范学习规则，例如使用BindsNet。。

　　神经形态工程的一个关键方面是了解单个神经元、电路、应用程序和整体架构的形态如何创建理想的计算，影响信息的表示方式，影响对损伤的鲁棒性，结合学习和发展，适应局部变化的可塑性，并促进进化发展。

　　神经形态工程是一门跨学科学科，它从生物学、物理学、数学、计算机科学和电子工程中汲取灵感来设计人工神经系统，例如视觉系统、头眼系统、听觉处理器和自主机器人，其物理建筑和设计原则基于生物神经系统。

　　人类的大脑是一个惊奇的计算机器。它的重量只有近3斤左右，但它处理信息的速度比最快的超级计算机快上千倍，存储的信息比强大的笔记本电脑多上千倍，而且做这一切时使用的能量还不及一只20瓦的灯泡。

　　科学家们正在试图使用柔软、灵活的有机材料来复制这一成功，这些材料可以像生物神经元一样运作，可能能够互联。最终，柔软的神经形态计算机芯片可以直接植入大脑，使人们仅通过思考就能控制一个人工机械手臂或计算机显示器。

　　与真正的神经元一样，但与传统的计算机芯片不同，这些“大脑计算机芯片”可以同时发送和接收化学和电信号。你的大脑是用化学物质工作的，有多巴胺和血清素等神经递质。我们的材料能够与它们发生电化学作用，斯坦福大学材料科学家阿尔贝托·萨里奥（AlbertoSalleo）说，他在《材料研究年度评论》的论文中描述到这种有机神经形态计算机芯片的潜力：

　　萨里奥和其他研究人员已经用这些软性有机材料创造了电子设备，它们可以像晶体管一样放大和切换电信号，和像存储信息的记忆单元以及其他基本的电子元件一样发挥作用。

　　这项工作源于人们对模拟人类神经连接或突触工作方式的神经形态计算机电路越来越感兴趣。这些电路，无论是由硅、金属还是有机材料制成，其工作方式不太像数字计算机中的电路，而更像人脑中的神经元网络。

　　传统的数字计算机一次只工作一步，其结构在计算和记忆之间形成了一个基本的划分。这种划分意味着1和0必须在计算机处理器上的各个位置之间来回穿梭，从而造成了速度和能源使用的瓶颈：

　　大脑的工作方式不同。一个单独的神经元接收来自其他许多神经元的信号，所有这些信号加起来会影响接收神经元的电状态。实际上，每个神经元既是一个计算设备以整合它所收到的所有信号的值，又是一个记忆设备将所有这些组合信号的值存储为一个无限变化的模拟值，而不是数字计算机的0或1。

　　科学家们已经开发了一些不同的记忆性设备，模仿这种能力。当你让电流通过它们时，你会改变电阻。像生物神经元一样，这些设备通过将它们所接触到的所有电流的数值相加来计算。它们通过其电阻的结果值来记忆。

　　例如，一个简单的有机记忆器，可能有两层导电材料。当施加电压时，电流驱动带正电的离子从一层进入另一层，改变第二层在下次接触电流时的导电容易程度。(见图。）这是让物理学做计算的一种方式，亚利桑那州立大学研究神经形态计算科学家马修-马里内拉（MatthewMarinella）说。

　　图示：在栅极（G）上施加的电压，例如，来自传感器的电压，驱动正离子从一层（称为电解质）进入相邻的一层（有机聚合物）。这改变了聚合物对从源极（S）到漏极（D）的电流的电阻。电阻的大小代表了被存储的数值。

　　该技术还将计算机从严格的二进制数值中解放出来。当你有经典的计算机存储器时，它要么是0，要么是1。我们制作的存储器可以是0和1之间的任何数。所以你可以用模拟的方式来调整它，萨里奥说。

　　目前，大多数记忆体和相关设备并不是基于有机材料，而是使用标准的硅芯片技术。有些甚至被用作商业用途，作为加快人工智能程序的一种方式。但有机组件有可能在使用更少能源的情况下更快地完成工作，萨里奥说。更好的是，它们可以被设计成与人的大脑结合。这些材料柔软而有弹性，还具有电化学特性，使它们能够与生物神经元互动。

　　例如，德国亚琛工业大学的电子科学家、弗朗西斯卡-桑托罗（FrancescaSantoro）正在开发一种聚合物装置，它从真实的细胞中获取输入并从中学习：

　　在她的装置中，细胞与人工神经元之间被一个小空间隔开，类似于真正的神经元之间的突触。当细胞产生一种神经信号化学物质多巴胺时，多巴胺会改变设备中人工部分的电气状态。细胞产生的多巴胺越多，人工神经元的电状态就越多，就像你可能看到的两个生物神经元一样。(见图）我们的最终目标其实是设计出看起来像神经元、行动起来像神经元的电子产品，桑托罗说。

　　图示：生物神经元在其与人工神经元的交界处释放多巴胺（红球）。缝隙中的溶液给多巴胺带来了正电荷（金色球），这使得它能够流过设备。电阻力取决于多巴胺释放的速度以及人工神经元上积累的数量。

　　这种方法可以提供一种更好的方法，利用大脑活动来驱动假肢（下图1）或电脑显示器（下图2）：

　　今天的系统使用标准的电子设备，包括只能采集广泛的电活动模式的电极。而且这些设备很笨重，需要外部计算机来操作。

　　灵活的神经形态电路至少可以在两个方面改善这一状况。它们将能够以更细化的方式翻译神经信号，对单个神经元的信号做出反应。萨里奥说，这些设备可能还能够自己处理一些必要的计算，这可以节省能源并提高处理速度。

　　萨里奥和桑托罗说，这种由小型神经形态计算机处理本地传感器收到信息的系统，是神经形态计算的一个有前景的途径。桑托罗说：它们与神经元的电气操作如此相似的事实，使它们成为与神经元组织进行物理和电气耦合的理想选择。