自1950年代以来，数字计算就几乎淘汰了所有形式的模拟计算。但是，有一个主要例外可以与最先进的数字设备的计算能力相匹敌：人脑。

人脑是神经元的密集网络。每个神经元都与数以万计的其他神经元相连，并且它们使用突触来不断地来回发射信息。每次交换时，大脑都会调节这些连接以创建对周围环境的直接响应的有效途径。数字计算机生活在一个由零组成的世界中。他们按照固定顺序执行算法的每个步骤，依次执行任务。

皮特斯旺森工程学院的一组研究人员开发了一种“人造突触”，它不像数字计算机那样处理信息，而是模仿人脑完成任务的模拟方式。在电气和计算机工程助理教授冯雄的带领下，研究人员在最新一期的《先进材料》杂志上发表了他们的研究结果。他的皮特(Pitt)合著者包括Mohammad Sharbati(第一作者)，Yanhao Du，Jorge Torres，Nolan Ardolino和Minhee Yun。

熊博士解释说：“大脑的类比性质和大规模并行性是为什么人类在更高级的认知功能(例如语音识别或模式识别)方面甚至可以胜过最强大的计算机的原因，”

一个新兴的领域叫做“神经形态计算”，其重点是受人脑启发的计算硬件的设计。熊博士和他的团队在碳原子的二维蜂窝结构中建立了基于石墨烯的人造突触。石墨烯的导电特性使研究人员可以微调其电导率，这是突触连接的强度或突触重量。石墨烯突触与生物突触一样，具有出色的能源效率。

在最近人工智能的兴起中，计算机已经可以某些方式复制大脑，但是要模仿一个模拟突触，就需要大约十二个数字设备。人的大脑具有数百万亿个用于传递信息的突触，因此用数字设备构建大脑似乎是不可能的，或者至少是不可扩展的。Xiong Lab的方法为大规模人工神经网络的硬件实现提供了一条可能的途径。

熊博士表示，基于当前CMOS(互补金属氧化物半导体)技术的人工神经网络在能源效率，可扩展性和包装密度方面将始终具有有限的功能。他说：“非常重要的是，我们为突触电子开发新的设备概念，这些概念本质上是模拟的，节能的，可扩展的并且适合大规模集成。”“到目前为止，我们的石墨烯突触似乎已经勾选了所有这些要求的框。”

这些基于石墨烯的神经网络具有石墨烯固有的灵活性和出色的机械性能，可用于柔性和可穿戴电子设备中，以实现“互联网边缘”的计算，在这些地方，诸如传感器之类的计算设备与物理世界进行接触。

“通过增强可穿戴电子设备和传感器的基本智能水平，我们可以使用智能传感器跟踪我们的健康状况，提供预防性护理和及时诊断，监控植物生长并识别可能的有害生物问题，并调节和优化制造过程，从而显着改善“我们社会的整体生产力和生活质量。”熊博士说。

像模拟人脑一样运作的人工脑的发展仍需要许多突破。研究人员需要找到合适的配置来优化这些新的人工突触。他们将需要使其与一系列其他设备兼容以形成神经网络，并且他们将需要确保大型神经网络中的所有人工突触均以相同的精确方式运行。尽管面临挑战，熊博士说他对他们前进的方向感到乐观。