2024-2025年计算神经科学领域的重大突破性进展，

涵盖类脑器件、硬件架构、算法模型及伦理应用等多个方向：

🧠 一、类脑器件与硬件创新

可重构仿生神经元（浙江大学/西湖大学，2025） 潘纲、林芃与孔玮团队融合MOTT忆阻器和ECRAM电化学晶体管，

首次实现仅通过器件状态调控即可切换多种生物神经元放电模式

（如簇发放电），硬件开销降低50%以上。该设计突破传统CMOS

神经元电路的复杂性限制，为高仿生神经形态芯片奠定基础1。 浮点精度忆阻存算一体系统（华中科大/清华，2025） 缪向水、李祎与钱鹤团队开发基于忆阻器的傅里叶神经算子（FNO）

求解系统，支持FP32浮点精度科学计算（如求解三维热传导方程）。

实测显示推理能效提升116倍，训练能耗降至传统GPU的1/4，

首次解决忆阻器高精度计算瓶颈56。 室温激子极化激元计算（北京量子院/清华，2025） 利用钙钛矿微腔在室温下实现激子极化激元的非线性响应，

无需低温或纳米加工即完成MNIST手写数字识别（准确率92%）。

该全光神经形态架构为超低功耗并行计算开辟新路径7。

⚡ 二、计算架构与系统突破

最高并行度神经形态方案（南京大学，2024） 缪峰团队提出频分复用计算（FMC），通过忆阻器交叉阵列级联实现

16张图片的并行读取与识别，通信延迟降低90%。

该方案可扩展至百万级神经元系统，颠覆冯诺依曼架构的数据串行瓶颈8。 通用脑启发计算框架（Nature Electronics，2025） 提出融合神经科学与计算科学的GPBIC（通用脑启发计算）模型，

结合CPU/忆阻器/光存储的异构硬件，支持动态拓扑调整。

在矩阵乘法任务中能耗仅为传统系统的1‰，

适配从边缘计算到高性能场景的多样化需求2。 “类脊髓”数字神经系统（IntuiCell，2025） 瑞典公司推出模仿生物神经系统的自主学习架构，

机器狗“露娜”通过试错学习站立，无需预编程指令。

该系统采用去中心化算法，实现实时环境互动与适应性决策9。

🌱 三、生物-硅基融合与伦理挑战

活体脑细胞计算机CL1（Cortical Labs，2025） 全球首台混合80万活体人类神经元的硅基生物计算机，

学习速度达传统AI的50倍（5分钟掌握《Pong》游戏）。

其突触重组能力使系统在20%神经元死亡后仍保持90%性能，

但引发“意识防火墙”伦理争议，欧盟紧急出台《生物计算伦理指南》

要求植入强制终止开关3。 神经形态超级计算机（美国国家实验室，2025） 占地仅2㎡的神经形态计算机模拟人脑皮层，

运行速度比生物脑快25-100万倍，功耗仅10千瓦（≈3台家用空调）。

采用事件驱动与存算一体设计，能效较GPT-3训练提升300%10。

💡 四、理论模型与算法革新

内生复杂性神经元模型（中国科学院/清华/北大，2024） 李国齐团队提出通过微架构设计提升神经元内生复杂性，

替代依赖网络规模的“外生复杂性”传统AI路径。

该模型减少内存占用30%，计算效率提升40%，

为类脑智能提供新范式4。

🔮 总结与趋势

硬件能效飞跃：从忆阻器到活体神经元，

新器件将AI能耗降至传统系统的千分之一

（如CL1单神经元功耗0.03W vs GPU 30W310）。 架构通用化：异构集成（CPU+忆阻器+光子）成为主流，

支持从边缘计算到科学计算的跨场景适配26。 伦理紧迫性：生物混合系统催生监管需求，

欧盟《生物计算伦理指南》或成全球标准雏形39。 这些突破标志着计算神经科学正从实验室走向产业应用，

通过模仿生物智能的本质特性（如并行处理、低功耗、自适应），

为AGI与可持续发展提供关键技术支点。