2026-06-01 | 유현욱 기자

哈佛大学教授咸敦熙:“理解大脑运作原理直接关系未来计算技术革新”

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

韩国学者分析认为,理解大脑的运作原理是可能通向下一代计算技术开发的钥匙。

据财界1日消息,哈佛大学工程与应用科学学院讲座教授咸敦熙上月28日作为演讲人出席在首尔江南区韩国高等教育财团举行的崔钟贤学术院特邀专题讲座,表示:“目前的计算机存储装置与运算装置相互分离,但大脑的记忆与运算是在同一网络中同时进行的。”

咸教授以首席成绩毕业于首尔大学物理系,2002年28岁时被聘为哈佛大学教授。他强调,要理解大脑的信息处理原理,应关注神经元之间的连接部位突触,而非神经元本身。

咸教授表示:“大脑的记忆与学习是通过突触实现的”,“理解突触的连接强度及其变化过程,是查明大脑信息处理原理的关键。”围绕这一点,他以其研究团队开发的基于半导体的神经信号测量平台“iMEA”为中心,介绍了脑神经网络研究与神经形态半导体的未来可能性。

该技术是能够大规模同时测量活体神经细胞内部产生的电信号的系统,作为可克服神经科学领域长期课题“精度与规模困境”的新方法而受到关注。

如果说现有技术要求在少数神经元的精密测量与大规模神经网络观测之间作出选择,研究团队则通过设计优化细胞与电极结合结构及电学相互作用的电路,挑战同时实现两者。

研究团队利用iMEA分析了在半导体芯片上培养的数千个神经元的活动,并成功重构了数万规模的功能性突触连接。咸教授认为,这种方法可成为查明大脑信息处理原理、模拟人脑连接结构的下一代神经形态半导体开发的基础。

研究团队在体外培养细胞研究之外,还同步开展在活体动物大脑中测量神经信号的“在体”研究。咸教授表示,尽管脑组织运动和免疫反应等技术课题仍然存在,但团队正集中于开发能够长期稳定测量神经信号的平台。

咸教授表示,神经形态半导体尚未达到完全实现大脑运作原理的水平,但他展望称:“存储与运算的整合、超低功耗信息处理以及分布式网络结构等大脑特性,将为未来半导体设计提供重要启发。”

阅读韩文原文