科學家們一直在尋求提高傳統計算機能效的方法，他們從人類大腦中獲得靈感，旨在以多種方式模仿其非凡的能力。這些努力導致了類腦計算機的發展，這些計算機不同於傳統的二進位制處理，而是採用類似於我們大腦的模擬方法。
我們的大腦使用水和溶解鹽粒子（稱為離子）作為介質，但大多數當前的類腦計算機依賴於傳統的固體材料。這引發了一個問題：我們是否可以透過採用相同的介質來實現對大腦工作方式的更忠實複製？這一迷人的可能性是新興的離子神經形態計算領域的核心。
烏特勒支大學的理論物理學家和韓國Sogang大學的實驗物理學家合作，成功構建了一個人工突觸的實驗成果。這個人工突觸使用水和鹽工作，並提供了第一個證據，表明使用與我們大腦相同介質的系統可以處理複雜資訊。
研究結果發表在《美國國家科學院院刊》雜誌上：科學家們首次展示了一個依賴於水和鹽的系統，該系統能夠處理複雜的資訊，模仿我們大腦的功能。這一發現的核心是一個微小的裝置，尺寸為150×200微米，它模仿了突觸的行為——突觸是大腦中負責在神經元之間傳遞訊號的關鍵組成部分。
該裝置，由韓國科學家開發，被稱為離子電子突觸，由一個填充有水和鹽水溶液的錐形微通道組成。在接收到電脈衝時，液體中的離子透過通道遷移，導致離子濃度的變化。根據脈衝的強度（或持續時間），通道的導電性相應調整，模仿神經元之間連線的加強或減弱。導電性變化的程度作為輸入訊號的可測量表示。
這項研究是向建立更高效、更節能的計算機系統邁出的重要一步，這些系統能夠更真實地模仿人類大腦的工作方式。
網友：
1、Daniela Rus（麻省理工學院人工智慧校園負責人）最近的 TED 演講：https://youtu.be/QOCZYRXL0AQ ?si=rr8wqqEu-MQl4r44
涵蓋了她對“液體網路”的願景，這裡的液體意味著訓練後學習的能力。她的團隊透過將神經元表示為可以在訓練後改變的單獨演算法，而不僅僅是靜態權重，從而能夠顯著減少網路中所需的神經元數量。網路也變得可機械解釋，這意味著它不再是一個完整的黑匣子
2、人工智慧研究需要依靠大腦的神經可塑性和動態性質，目前它的工作方式使得快速學習幾乎不可能，需要花費數月的時間進行整個重新訓練。我們的大腦根據我們的感官和內部輸入不斷變化和重新排列。還沒有見過任何一個人工智慧系統可以做到這一點。