当设计工程师想要提高性能时，他们通常会寻找减小元件尺寸的方法，尤其是单个晶体管的尺寸。但这种缩小不会无限期地持续下去，只有采用新的研发方法，比如将数据处理和存储结合在一块芯片上，才能在性能和尺寸上都有所创新。
由Tu Dresden和Helmholtz-Zentrum dresden-Rossendorf（HZDR）开发的科学家开发的最新类型的晶体管之一，是一个所谓的神经障碍物-第一个。在开发晶体管时，联合研究小组观察了人类大脑的工作方式，特别是神经元的工作方式，以寻找灵感。
该研究发表在自然电子产品。
神经障碍的架构
根据HZDR物理学家Larysa Barbaran的说法，为了制造神经晶体管，研究人员通过生物传感器和改良的场效应晶体管(FET)来模拟神经元的特性。
研究人员在8英寸硅式晶片上使用标准CMOS工艺制造了神经递质。为了产生记忆并促进可塑性，硅酸盐膜涂覆晶体管，其包括用作栅极的移动离子。
渲染神经话发管。使用E. Baek的图片使用图德累斯顿
一个sigmoidal转换处理脉冲输入信号非线性的输出电流，这被认为是反映了神经元膜的功能。输入信号历史，存储为离子状态在硅酸盐薄膜，然后决定输出响应。结果就是我们可以将其解释为神经晶体管的“学习能力”。
该架构的优点是可以在单个组件中同时存储和处理信息。相比之下，传统的晶体管分离存储和处理，减慢处理时间和限制性能。
一种能够学习的芯片
这个神经障碍项目的研究人员容易承认，基于人类大脑的建模计算机远非一部小说的想法。根据新闻稿，最早的尝试之一涉及将神经细胞钩住培养皿中的电子产品。
“但是，任何时候都有一个湿的电脑芯片对任何人都没有用，”图德累斯顿教授戈阿里奥·坎比蒂教授说。
现在，CUNIBERTI和同事能够通过使用称为“SOLGEL”的粘性物质来重新应用脑激发电子设备的这些早期原则，以传统的硅晶片为具有电路。然后将溶胶聚合物硬化并成为多孔陶瓷，允许离子在孔之间移动。这些离子比电子更重，因此在激励后返回其位置较慢。
这种延迟（称为“滞后”）是导致存储效果的原因，并且是神经传递函数如何运作的核心因素。“令人兴奋的单个晶体管越多，它将越早打开并让电流流动。这加强了连接。该系统正在学习，“Cuniberti解释道。
机器人的新学习工具？
CUNIBERTI指出，他的团队并没有关注这一研究领域的传统问题，如人工突触的可塑性。相反，他和他的团队正在寻找这种装置的应用 - 一种更智能的神经晶体机器，这适合机器人中的先进应用。CUNIBERTI专门设想可以学习散步或掌握物体的机器人，而无需依赖复杂的软件。
机器人自动掌握。
研究人员还解释说，由于神经形态计算机的可塑性，拥有这种芯片的机器人将能够适应新的情况，即使是它们最初没有被编程的情况。
