近年来，生物神经网络的高效信息处理特性启发了类脑计算的研究，而实现与生物系统类似的神经形态计算系统成为了当前的研究热点。生物神经系统的信息传输本质上是依靠离子运动，神经元通过离子跨膜运输产生的场电位不仅能高效传递信息（单次突触事件能耗仅约10 fJ），还能通过突触外耦合效应（Ephaptic coupling effect）实现无直接连接的全局协同功能，这对记忆形成和认知至关重要。然而，现有的神经形态器件多集中于在功能层面模拟生物突触，而对离子传输机制的重视不足，这使得这些器件在实现生物系统的复杂性和连接性方面面临挑战。
为了解决这一问题，
南方科技大学
肖凯课题组
与其合作者向生物神经系统的离子通讯策略学习，
提出一种基于双层异质离子凝胶纳米纤维网络的仿生突触器件，借助其充放电过程中离子电势弛豫行为模仿突触的脉冲放电功能，实现了离子神经形态器件阵列化构筑，并用于低能耗类脑计算
。该结构通过选择性离子捕获与非对称迁移机制，复现生物突触可塑性，能耗仅为6 fJ，与生物突触能效相当。基于离子短期记忆与非线性构建的储备池计算系统，在MNIST手写数字识别中实现了88%的准确率，展现了离子在边缘计算的高效性。更重要的是，通过离子独有的全局共享特性，在器件阵列上验证了类似生物神经元的突触外耦合效应，在n-back工作记忆任务中达成94%以上的类脑级精度，为构建高能效、高复杂度的类脑智能系统开辟了新路径。该研究以题为“Ephaptic Coupling in Ultralow-Power Ion-Gel Nanofiber Artificial Synapses for Enhanced Working Memory”的论文发表在最新一期《
Advanced Materials
》上。
1.1离子仿生突触器件的构筑
研究团队采用
静电纺丝技术
制造了离子凝胶纳米纤维网络，使得器件能够在柔性基底上实现大规模集成，并且大幅提高了离子传输效率。该器件的双层结构为：
上层富含自由阴阳离子的离子存储层，用以模拟突触前膜；下层含有聚阴离子电解质的离子选通层，用于模拟突触后膜
。通过这种结构设计，器件能够在脉冲信号激励下形成稳健的突触电压响应，并且能够像生物突触一样，通过突触后电位（EPSP）储存和传输信息。此外，采用电纺丝技术制备的纤维膜兼具柔性和稳定性，避免了传统水凝胶易蒸发、易污染的缺陷。
图1. 智能生命神经系统和离子神经形态系统
1.2 离子传输机制及电响应特性
当施加电流刺激时，凝胶中的离子会在电极表面积累形成双电层电容。通过双电层电容的充放电，以及离子不对称传输造成的离子缓慢恢复，实现了生物突触的记忆特性。同时，纤维结构具有高比表面积的优势，可以使得电流刺激更高效地推动离子迁移，实现超低能耗的信息传输。
图2. 离子仿生突触器件的电响应特性
1.3 突触可塑性模拟
基于离子的滞后传输机制，成功模拟了短程可塑性、长程可塑性、经验学习等生物突触特性，为神经形态计算系统的构建奠定了基础。
图3. 离子仿生突触器件的突触可塑性
1.4 基于离子突触器件的储备池计算系统
基于离子突触器件的短期记忆与非线性特性，构建了储备池计算系统。在MNIST手写数字识别任务中，利用离子的非线性映射功能，结合线性回归算法，实现了88%的分类准确率。并且在仅使用10个储层节点的情况下，准确率仍超过70%，展现了低资源需求下的边缘学习潜力。
图4. 基于离子突触器件的储备池计算系统
