中国湖北华中科技大学和中国香港中文大学的研究人员近期开发出一种基于二维半导体二硫化钼的神经形态计算芯片，该芯片能在降低AI算法功耗的同时保持计算精度。相关成果发表在《自然·电子学》上。

该神经形态计算芯片采用垂直单晶体管-单电阻（1T1R）交叉阵列，并使用两种信号折叠方案：输入信号折叠和权重电导折叠。输入信号折叠通过降低工作电压减少能耗，权重电导折叠则通过规避器件间差异来扩展权重精度。“与未折叠信号的运算相比，我们的方法可以将向量-矩阵乘法的功耗降低高达90%，同时实现相似的精度，且无需校准或补偿方案。”论文作者雷桐、徐朗朗等写道。

在测试中，研究人员利用该神经形态计算芯片执行向量-矩阵乘法——这是支撑人工神经网络分析的核心运算。与未采用信号折叠的系统相比，新方案显著降低了能耗，同时保持了计算准确性。这项研究表明，基于二硫化钼的神经形态计算芯片在边缘人工智能平台中具有应用潜力。

未来，研究人员计划进一步完善该芯片，并将其集成到本地运行AI算法的设备中。二硫化钼基神经形态计算芯片的低功耗特性有望推动智能设备能效升级。

出版详情：作者：Ingrid Fadelli, Phys.org；标题：《Signal-folding design helps neuromorphic chip slash AI energy use》；发表于：《Nature Electronics》(2026)；期刊信息: Nature Electronics