德國符茲堡大學研究團隊開發出能模擬人腦學習機制的仿生電子元件，利用複雜氧化物材料打造可自行學習和適應的硬體，大幅提升未來人工智慧系統的能源效率，並有潛力應用於健康監測與生醫電子領域。
德國符茲堡大學（JMU Würzburg）的研究團隊成功開發出一種新型電子元件，其設計靈感來自人腦，可望為人工智慧（AI）硬體帶來更高的能源效率與適應性。這項突破性技術的詳情已發表於知名科學期刊《自然-通訊》（Nature Communications）。
傳統電腦的計算與記憶功能在晶片上通常是物理分離的，而人腦則緊密結合兩者。大腦中的神經元透過突觸相互連結，並在這些連結點直接處理訊號。當訊號頻繁或特別強烈時，這些連結會隨之改變，此一過程稱為神經可塑性（neuroplasticity），是學習的關鍵機制。仿生運算（brain-inspired computing）的目標正是模仿這種透過經驗學習的原理，打造不僅能處理資訊，還能記憶狀態並自行調整的電腦硬體。
由符茲堡大學與德勒斯登工業大學（Technische Universität Dresden）組成的 ctd.qmat Cluster of Excellence 團隊展示，複雜氧化物材料特別適合實現此目標。他們開發的新元件基於兩種氧化物材料（鋁酸鑭 LaAlO₃ 與鈦酸鍕 SrTiO₃）之間的介面。雖然這兩種材料本身是絕緣體，但在兩者共用介面處，會形成一個極薄的導電區域，即「準二維電子氣」（quasi-two-dimensional electron gas），能精確控制電荷載子的流動。
研究共同作者、符茲堡大學 ctd.qmat Cluster of Excellence 發言人拉爾夫·克拉森（Ralph Claessen）表示：「複雜氧化物對我們來說是一個非常令人興奮的領域，因為它們在單一材料平台中結合了多種電子特性，這正是它們對新一代節能且具適應性的電腦硬體如此重要的原因。」
當電流流過介面時，氧原子會發生位移，進而改變電阻，使結構的導電性得以精準調整。這讓元件能像神經網路一樣透過外部刺激進行「訓練」。研究團隊利用氧化物平台的這種多功能性，開發出能重現神經元與突觸關鍵功能的元件，例如用於切換電流的電晶體、基於電阻的憶阻器（memristor），以及其電容取決於電學歷史的憶容器（memcapacitor）。
更令人注目的是，單一奈米級元件能根據其連接方式執行不同任務，可作為電晶體、憶阻器或憶容器，展現出電子領域的全面性。符茲堡大學技術物理學系博士後研究員 Soumen Pradhan 指出：「我們的平台之所以令人興奮，在於我們能利用相同的材料系統實現許多不同的功能。這使得硬體不僅能計算，還能直接在元件內部學習並暫時儲存資訊。」
這類仿生運算平台的「自主學習」能力，未來可應用於健康監測與醫療診斷領域。長遠來看，這項技術能用於穿戴式感測系統或生醫電子產品中，持續監測心率、血壓、體溫、血氧飽和度或血糖等關鍵生理參數，並在裝置上進行智慧分析，達到快速、節能且無需額外運算單元的優勢。該研究團隊已於 2026 年進入德國聯邦與邦政府「German Excellence Strategy」計畫的第二個資助週期，並擴大了對量子過程動態的關注。