由于当今社会数据量和计算需求的指数级增长，再加上基于晶体管的计算系统的性能饱和，进而激发了人们对可替代的新型计算的研究兴趣。迄今为止，仿生或神经形态人工智能的硬件方法主要依赖于复杂的晶体管电路来模拟生物功能。理论上，在电路元件中产生神经形态动作电位，至少需要三阶复杂度。
有鉴于此，美国惠普实验室Suhas Kumar报道了通过实验和建模，利用多个电物理过程（包括Mott转变动力学），成功构建了具有三阶复杂度的纳米电路元件。同时，构建了可执行布尔运算的基于三阶元件的无晶体管简单网络，并为图像划分这一难题问题提供了模拟解决方案。
文章要点
1）研究人员制备了小于100 nm的元件，每个元件中包含NbO2易失性Mott忆阻开关，一个内部并联电容器，以及一个内部串联电阻。准静态电流-电压曲线显示，器件在较低电流时，具有S型负微分电阻（NDR），在较高电流时具有箱形滞后。通过将NbO2的Mott转变作为额外的动力学过程可以构造具有三阶复杂性的纳米电路元件。此外，通过进一步优化该元件，可以使其具有最佳的电和热特性，从而确保了恒定电压下，元件可产生神经形态的动作电位行为。
2）基于该纳米电路元件，研究人员进行了完整的逻辑电路操作，并且进一步演示了基于神经形态元件的无晶体管全模拟网络，以解决目前基于冯·诺伊曼的传统数字计算机难以解决的计算难题。
这项工作为非常紧凑和密集的功能性神经形态计算基元和高效能的神经科学模型验证铺平了道路。
Kumar, S., Williams, R.S. & Wang, Z. Third-order nanocircuit elements for neuromorphic engineering. Nature 585, 518–523 (2020)
DOI：10.1038/s41586-020-2735-5
https://doi.org/10.1038/s41586-020-2735-5
