https://www.science.org/doi/10.1126/science.aea2097 [!abstract]+ 神经形态计算受到人脑有效处理信息的能力的启发，代表了一种变革性的计算方法。在这篇综述中，我们探讨了神经形态离子计算的新兴领域，该领域利用离子传导和耦合来模拟神经过程，并确定必须解决的关键知识差距，以充分发挥其潜力。讨论的中心主题是能源效率，对于这项技术来说，挑战既是限制，也是机遇。 尽管基于互补金属氧化物半导体（CMOS）的神经拟态技术在扩展到数十亿个神经元方面取得了长足的进步，并且越来越多地应用于人工智能和数值计算，但它们在连接性和能源效率方面仍然落后于人脑几个数量级。神经形态离子计算有望通过利用大脑独特的架构和操作原理来克服这些限制。我们的大脑通过结合几个关键特征来实现这种能源效率：使用相同的网络元素来存储和处理信息；使用极其复杂且大规模互连的局部活动元素三维 (3D) 网络，在存在噪声、适应和终身学习的情况下实现稀疏性、鲁棒性；在相对较低的电压和频率下进行计算；最后，利用大量离子和小分子作为信息载体。我们建议离子计算系统可以利用类似的功能来大幅...