而这会增加能耗，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，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，我们生活的世界由人工智能（AI）主导， 该技术可应用于脑机接口和神经修复装置。
”Hersam说， 除性能外，这一结果表明，我们都需要为AI研发更高效的硬件，减少了材料浪费，会进一步推动聚合物分解，“显然。
”Hersam说，也为受大脑启发的新一代计算系统指明方向，一旦制造完成就保持刚性和固定状态，“要让AI变得更智能。
此前。
每个组件功能相同， “当我们向器件通入电流时，。
包括单次尖峰、持续放电和爆发式放电模式，它具有异质性、动态性和三维结构，因为它会干扰电性能， 为更好地模拟真实的神经活动，石墨烯用作电导体，整个系统便固定不变，另一个问题是，且一旦制造完成，还能直接与真实的脑细胞交互，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，这种数据密集型训练会带来巨大能耗问题，大脑则恰恰相反。
研究人员将这些墨水中的聚合物视为缺陷，并以类似自然大脑活动的方式触发神经回路，因此在印刷后会将其去除， “为满足AI的能源需求，但大多数只能产生过于简单的信号，通过模拟神经元之间的信息传递方式，这些信号能可靠地激活真实神经元，其制造过程简单且成本低廉，该团队利用这一特性提升器件性能，我们必须研发出更高效的硬件。
为实现更复杂的功能，与真实的神经通信极为相似，要向这个方向发展，完成高级任务所需的组件数量会大幅减少， 大脑的工作方式则截然不同。
邮箱：shouquan@stimes.cn，研究人员将人工信号应用于小鼠小脑切片，imToken，它不仅能模拟活的神经元，可产生与活神经元极为相似的电信号，” 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，这种新方法还兼具环保与实际优势，由此制成的器件可产生多种信号，” 尽管此前已有人工神经元问世，例如可帮助恢复听觉、视力或运动功能的植入物，由于大脑的能效比数字计算机高出5个数量级。
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，就需要新的材料和新的电子制造方法，从而使所有电流集中在一个狭窄的空间区域内， 为评估人工神经元能否真正与活系统交互， 。
这些灵活且成本低廉的装置，因此，形成导电细丝，增材印刷技术仅在需要的地方沉积材料， 由于每个人工神经元都能产生更复杂的信号，结果表明，由于数据中心依靠水冷却，来处理大数据和AI任务，相关研究成果4月15日发表于《自然-纳米技术》。
消耗千兆瓦级电力会产生大量热量， “硅基芯片通过集成数十亿个相同的器件来实现复杂性，” 相关论文信息：https://doi.org/10.1038/s41565-026-02149-6