生物神经元是神经系统信息处理的中枢，其多样化的放电模式是支撑系统高效计算和通讯的关键特征。因此，研究生物神经元放电模式的计算能力是推进类脑智能技术发展的重要路径之一，而构建具有多样放电模式的人工神经元电路是探索这一路径的基础。然而，传统CMOS器件缺乏本征的神经动力学，构建的神经元电路结构复杂，难以实现高密度集成；此外，生物神经元如何利用不同的放电模式完成高能效的计算仍未有系统的解释，这限制了放电模式在硬件系统中的实现和应用。
4月17日，英特尔推出了名为Hala Point的全球最大的神经拟态系统，该系统是基于第二代英特尔Loihi 2神经拟态处理器研发，目的在于支持类脑人工智能研究，解决当前AI在效能和可持续性等方面的瓶颈问题。相较于前一代大规模研究系统Pohoiki Springs，Hala Point在架构上进行了升级，其神经元容量提升超过10倍，整体性能增强了12倍。
在人工智能和计算技术领域，追求更高效、节能的计算方法一直是研究的重点。传统的计算方法虽然在处理复杂任务方面取得了显著成就，但其能源消耗始终是一个难以克服的挑战。尤其是在处理大规模数据和复杂机器学习任务时，这些问题更是凸显。因此，科学家们一直在寻找新的方法，以模仿人类大脑的高效能源利用和强大的计算能力。
日本东京理科大学开发出一种基于氧化还原反应的离子门控储层，可作为神经形态计算的储存系统。研究人员开发的离子门控储层由栅极、漏极和源极组成，并由作为介质控制离子流动的电解质分开。
美国洛斯阿拉莫斯国家实验室的科学家试图复制人脑无与伦比的计算能力，他们制造出了一种新的接口型忆阻设备。研究结果表明，该设备具有良好的可编程性和可靠性，可用作下一代神经形态计算的人造突触。相关论文发表于最新一期《先进智能系统》杂志。
神经形态计算因其具有高能效、低功耗的数据处理能力，已经成为后摩尔时代人工智能芯片重要候选方案之一。神经形态计算的特征是模拟物神经网络中的信息传递方式。生物突触对信息的传递起关键作用，是神经网络的关键部件之一。实现高性能的人工电子突触是神经形态计算的关键。
随着传统的互补金属氧化物半导体集成电路尺寸正在接近物理极限，新型的神经形态计算芯片逐渐发展成为一种潜在的低功耗和高效率的解决方案。具有显示、传感、能量采集和能量存储功能的电子纺织品作为新一代可穿戴电子产品，展现出巨大的应用前景。将神经形态计算忆阻器无缝集成到电子纺织品中，对于有效存储和处理来自功能电子元件的信号至关重要。
韩国科学技术研究院（KIST）神经形态工程中心研究团队宣布开发出一种能进行高度可靠神经形态计算的人工突触半导体器件，解决了神经形态半导体器件忆阻器长期存在的模拟突触特性、可塑性和信息保存方面的局限。研究成果近日发表在《自然·通讯》杂志上。
近日，中国科学院院士、中科院微电子研究所研究员刘明团队和复旦大学教授刘琦团队合作，在忆阻器基神经形态计算方面取得进展。利用忆阻器阵列构建SOM网络中的权值矩阵，首次实现了高效的SOM硬件系统。
美国华盛顿州立大学工程师在《物理学杂志D》上发表论文称，他们利用蜂蜜研制出了一款忆阻器。这是一种类似于晶体管的组件，不仅可处理数据，还可存储数据。未来，他们或许能将数以百万计或数十亿计的蜂蜜忆阻器整合在一起，创建出一款功能与人脑非常相似的神经形态计算机系统。
随着人工智能的应用范围越来越广泛，近年来研究人工智能的工作越来越多，其终极目标均是希望利用电子设备构建一个计算系统，能够达到人脑所实现的低功耗、高速度、大容量的并发计算。而人工神经网络就是为了这一仿生过程诞生的。
美国宾夕法尼亚州立大学的研究团队指出，在硬件设备中模拟大脑神经元的支持细胞“星形胶质细胞”的运作方式，或会导致AI和机器学习能自主地自我修复，且比当前技术更节能。
英特尔公司发布其首款7nm神经拟态芯片“Loihi 2”，可模拟100万个神经元。与普通芯片不同的是，神经拟态芯片的计算任务是由许多小单元进行的，单元之间通过类似生物神经的尖峰信号相互通信，并通过尖峰调整其行为。
由于光子集成平台上光电组件的集成度不断提高，近年来光子计算的研究蓬勃发展。光子集成电路不仅能极大地加快人工神经网络的处理速度，同时也为新型信息处理机器提供了新的架构。
