由混合氧化物基材料制成的类神经元结可以减少人工智能操作的大量能源消耗。科学家们越来越擅长为计算机制作类似神经元的连接点，以模拟人脑的随机信息处理、存储和回忆。中国科学院的费诸葛及其同事为《先进材料科学与技术》杂志回顾了这些“忆阻器”设计的最新进展。计算机应用人工智能程序来回忆以前学到的信息并做出预测。这些程序非常耗费能源和时间：通常，大量数据必须在单独的内存和处理单元之间传输。为了解决这个问题，研究人员一直在开发允许更多随机和同步信息传输和存储的计算机硬件，就像人脑一样。

这些“神经形态”计算机中的电子电路包括类似于神经元之间称为突触的连接点的忆阻器。能量通过一种材料从一个电极流向另一个电极，就像神经元通过突触向下一个神经元发射信号一样。科学家们现在正在寻找更好地调整这种中间材料的方法，从而使信息流更加稳定可靠。

“氧化物是忆阻器中使用最广泛的材料，”诸葛说。“但氧化物忆阻器的稳定性和可靠性并不令人满意。基于氧化物的混合结构可以有效地改善这一点。”

忆阻器通常由夹在两个电极之间的氧化物基材料制成。当研究人员在电极之间结合两层或多层不同的氧化物基材料时，他们得到了更好的结果。当电流流过网络时，它会导致离子在层内漂移。离子的运动最终会改变忆阻器的电阻，这是通过结发送或停止信号所必需的。

通过改变用于电极的化合物或通过调整中间氧化物基材料，可以进一步调整忆阻器。诸葛和他的团队目前正在开发基于光控氧化物忆阻器的光电神经形态计算机。与电子忆阻器相比，光子忆阻器有望具有更高的运行速度和更低的能耗。它们可用于构建具有高计算效率的下一代人工视觉系统。