德國符茲堡大學（JMU Würzburg）的研究團隊成功開發出一種新型電子元件，其設計靈感來自人腦，可望為人工智慧（AI）硬體帶來更高的能源效率與適應性。這項突破性技術的詳情已發表於知名科學期刊《自然-通訊》（Nature Communications）。

傳統電腦的計算與記憶功能在晶片上通常是物理分離的，而人腦則緊密結合兩者。大腦中的神經元透過突觸相互連結，並在這些連結點直接處理訊號。當訊號頻繁或特別強烈時，這些連結會隨之改變，此一過程稱為神經可塑性（neuroplasticity），是學習的關鍵機制。仿生運算（brain-inspired computing）的目標正是模仿這種透過經驗學習的原理，打造不僅能處理資訊，還能記憶狀態並自行調整的電腦硬體。

由符茲堡大學與德勒斯登工業大學（Technische Universität Dresden）組成的 ctd.qmat Cluster of Excellence 團隊展示，複雜氧化物材料特別適合實現此目標。他們開發的新元件基於兩種氧化物材料（鋁酸鑭 LaAlO₃ 與鈦酸鍕 SrTiO₃）之間的介面。雖然這兩種材料本身是絕緣體，但在兩者共用介面處，會形成一個極薄的導電區域，即「準二維電子氣」（quasi-two-dimensional electron gas），能精確控制電荷載子的流動。

研究共同作者、符茲堡大學 ctd.qmat Cluster of Excellence 發言人拉爾夫·克拉森（Ralph Claessen）表示：「複雜氧化物對我們來說是一個非常令人興奮的領域，因為它們在單一材料平台中結合了多種電子特性，這正是它們對新一代節能且具適應性的電腦硬體如此重要的原因。」

當電流流過介面時，氧原子會發生位移，進而改變電阻，使結構的導電性得以精準調整。這讓元件能像神經網路一樣透過外部刺激進行「訓練」。研究團隊利用氧化物平台的這種多功能性，開發出能重現神經元與突觸關鍵功能的元件，例如用於切換電流的電晶體、基於電阻的憶阻器（memristor），以及其電容取決於電學歷史的憶容器（memcapacitor）。

更令人注目的是，單一奈米級元件能根據其連接方式執行不同任務，可作為電晶體、憶阻器或憶容器，展現出電子領域的全面性。符茲堡大學技術物理學系博士後研究員 Soumen Pradhan 指出：「我們的平台之所以令人興奮，在於我們能利用相同的材料系統實現許多不同的功能。這使得硬體不僅能計算，還能直接在元件內部學習並暫時儲存資訊。」

這類仿生運算平台的「自主學習」能力，未來可應用於健康監測與醫療診斷領域。長遠來看，這項技術能用於穿戴式感測系統或生醫電子產品中，持續監測心率、血壓、體溫、血氧飽和度或血糖等關鍵生理參數，並在裝置上進行智慧分析，達到快速、節能且無需額外運算單元的優勢。該研究團隊已於 2026 年進入德國聯邦與邦政府「German Excellence Strategy」計畫的第二個資助週期，並擴大了對量子過程動態的關注。