为评估人工神经元能否真正与活系统交互，闻科可产生与活神经元极为相似的学网电信号，人工神经元成功触发了真实神经元的对话反应。研究人员将人工信号应用于小鼠小脑切片。人工要向这个方向发展，神经且一旦制造完成，元成“所有器件都是功活相同的，”
相关论文信息：https://doi.org/10.1038/s41565-026-02149-6
版权声明：凡本网注明“来源：中国科学报、脑细邮箱：shouquan@stimes.cn。来处理大数据和AI任务。网站转载，此前，而在这项研究中，从而使所有电流集中在一个狭窄的空间区域内。这些网络会不断变化，大脑则恰恰相反，有望显著提高计算效率。”
尽管此前已有人工神经元问世，
该技术可应用于脑机接口和神经修复装置，科学新闻杂志”的所有作品，”Hersam说。因此在印刷后会将其去除。未来的硬件能够在消耗更少能量的情况下完成复杂任务。电子设备与活体神经系统的兼容性达到了新高度。他们的方法依赖于由二硫化钼纳米薄片和石墨烯制成的电子墨水——二硫化钼用作半导体，结果表明，包括单次尖峰、工程师通常需要庞大的器件网络，”Hersam说，这种新方法还兼具环保与实际优势。而这会增加能耗。请在正文上方注明来源和作者，通过模拟神经元之间的信息传递方式，石墨烯用作电导体。它具有异质性、西北大学的Mark C. Hersam表示，该团队利用这一特性提升器件性能。从大脑中汲取灵感研发下一代计算技术很有意义。排列成柔软的三维网络。另一个问题是，它不仅能模拟活的神经元，我们都需要为AI研发更高效的硬件。相关研究成果4月15日发表于《自然-纳米技术》。这种巨大的能耗将限制计算技术的进一步升级——很难想象下一代数据中心需要100座核电站供电。科技公司正在建造由专用核电站供电的千兆瓦级数据中心。随着学习过程形成并调整连接。消耗千兆瓦级电力会产生大量热量。
为更好地模拟真实的神经活动，来应对不断增加的工作负载。持续放电和爆发式放电模式，会进一步推动聚合物分解。AI正给水资源供应带来巨大压力。这种数据密集型训练会带来巨大能耗问题。我们必须研发出更高效的硬件，这一结果表明，”研究负责人、减少了材料浪费。
Hersam实验室中的一台气溶胶喷射打印机正将电子墨水沉积到柔性聚合物基底上。
“如今，但大多数只能产生过于简单的信号。例如可帮助恢复听觉、研究人员将这些墨水中的聚合物视为缺陷，
由于每个人工神经元都能产生更复杂的信号，就需要新的材料和新的电子制造方法。这种分解以空间不均匀的方式发生，转载请联系授权。头条号等新媒体平台，这些信号能可靠地激活真实神经元，
| 人工神经元成功与活脑细胞“对话” |
美国西北大学的工程师研发出一种可打印的人工神经元，其制造过程简单且成本低廉，就需要用越来越多的数据对其进行训练。还能直接与真实的脑细胞交互。“显然，整个系统便固定不变。由于数据中心依靠水冷却，且不得对内容作实质性改动；微信公众号、这些灵活且成本低廉的装置，
大脑的工作方式则截然不同。完成高级任务所需的组件数量会大幅减少，进而激活生物脑组织。每个组件功能相同，动态性和三维结构。视力或运动功能的植入物，与真实的神经通信极为相似。
“为满足AI的能源需求，”Hersam说，
除性能外，为实现更复杂的功能，因为它会干扰电性能，”
现代计算机通过在刚性二维硅芯片上集成数十亿个相同的晶体管，
这种狭窄的导电路径会产生类似神经元放电的突然电响应。
“当我们向器件通入电流时，
“硅基芯片通过集成数十亿个相同的器件来实现复杂性。Hersam团队使用更接近大脑结构的柔软可印刷材料制造人工神经元。因此，科学网、无论从哪个角度看，增材印刷技术仅在需要的地方沉积材料，每种神经元都具备专门功能，形成导电细丝，这些材料通过气溶胶喷射印刷技术沉积在柔性聚合物表面。我们生活的世界由人工智能（AI）主导。图片来源：美国西北大学
在利用小鼠脑切片开展的实验中，