“水利万物而不争，且所有智能生命体主要由水构成，因此水可能蕴藏着改变未来计算模式的潜力。”浙江大学林时胜教授表示。
正是秉持这一思想，他和团队以水为媒介打造出一款芯片，即利用液态水分子的特殊极化特性，开发一款超低能耗的神经网络计算芯片。
图 | 林时胜（来源：林时胜）
对于水计算芯片中的神经元来说，它能利用极化传递函数来构建天然的互联，这让其在完成复杂计算任务的同时还能极大地降低能耗，尤其能在乘加运算等核心操作中展现出出色的节能效果。
林时胜表示，这款芯片不仅在降低能耗上取得了显著进展，更为神经网络计算从“黑盒”走向“白盒”开辟了新路径。
有望用于实时数据处理、动态图像处理等前沿领域，或能彻底改变当前的 AI 计算模式，为解决 AI 系统日益增长的能源需求提供全新思路。
具体来说：
基于水分子极化特性的超低能耗芯片能够显著提升数据处理能力，在大模型、智能助手和自动驾驶系统等存在高并发计算需求的任务中，可以大幅减少能耗并能提升效率。
更重要的是在神经网络人工智能领域，这项技术有望突破神经网络的黑箱操作模式。
由于水分子的极化传递函数能够模拟神经网络中的信号传递方式，因此水计算芯片非常适合用于揭示和模拟大脑液体分子中的神经元计算方式，从而推动脑科学研究的深入发展。
与此同时，在打造这款水计算芯片时，课题组认为引入水作为计算媒介，可以在水下监测与水下图像识别获得得天独厚的优势。
总之，这项研究在脑科学、神经网络和智能感知芯片等领域有望催生新方向。
（来源：Device）
以人脑神经元细胞的液态工作环境为灵感
据林时胜介绍，在当前 AI 系统之中基于 CMOS（Complementary Metal Oxide Semiconductor，互补金属氧化物半导体）技术的类脑芯片，所面临的能耗问题日益突出。
随着大模型等 AI 技术的不断扩展，能量消耗迅速增长，这给业界带来了高昂的成本和环境的压力。而对于传统硅基芯片来说，其性能和效率也正逐渐逼近极限。
林时胜此前曾创造了动态二极管的物理框架，进一步提出利用水分子等液态分子来构建各类光电探测器，进一步联想到人脑的神经元细胞都是在液态环境下工作，针对上述瓶颈该团队提出利用水分子来研发芯片。
水分子本身具有极化特性，它可以通过自身的独特极化传递函数来高效地传输信号，从而大幅减少对于传统复杂 CMOS 电路的依赖。
（来源：Device）
明确课题之后，该团队先是构建出一款理论模型。基于水分子的极性特征，他们深入研究了其在光照下的极化传递过程。
林时胜表示这个理论模型借鉴了物理学中的伊辛模型（Ising Model），它能描述水分子的动态极化过程。
基于此，课题组还提出了水分子极化传递函数，这是物理世界自然存在的非线性函数。
在这个模型的帮助之下，该团队推导出了水分子能以极低能量消耗进行信号传输的理论依据，从而为后续的实验设计和芯片开发奠定了理论基础。
完成理论模型的构建之后，他们开始着手设计实验来验证模型的可行性。期间，他们开发了一个基于水分子的原型芯片，并利用石墨烯/水/硅光电探测器构建出一个 3x3 的水计算芯片原型。
随后，他们验证了水分子极化传递的存在，并发现其会随距离呈现出指数衰减的特性。
此外，通过控制所施加的光场分布，则能有效地控制输出电流的幅值，这说明上述芯片原型可以通过光驱动的方式来完成计算任务，并且其能耗显著低于传统 CMOS 芯片。
（来源：Device）
至此，他们完成了理论的初步验证，也展现了相关的应用可能性。在原型验证成功之后，他们将实验扩展到 8x8 的水基光电计算阵列，通过这一阵列识别了字符“ZJU”的 ASCII 码（American Standard Code for Information Interchange，美国信息交换标准代码）。
借此表明，水计算芯片不仅可以进行简单的计算任务，还具备处理复杂数据的潜力。
水中计算，靠谱吗？
事实上在本次项目的初期，当他们提出利用水分子进行类脑计算的想法时，尽管很多人都觉得很有趣，但也有质疑的声音。
毕竟，水是一种日常生活中随处可见的物质，怎么可能用于高精尖的计算领域？
“一些同行甚至开玩笑地说‘你们这是在做‘水中计算’，不太靠谱吧。’但我们越发觉得有趣，因为世界的真理在于目前的世界之外。”林时胜表示。
面对质疑的声音他回应称，智能生命体中最多的是水分子，且水分子具有量子的属性，水也应该能够成就一种新型计算芯片。
“正是这种对于未知的强烈兴趣，成为他们探索水计算芯片的核心。而这种敢于探索未知、挑战传统的勇气与毅力，也成就了他们完成了整个研究。”他说。
日前，相关论文以《超低功耗液水基光电子计算芯片》（Ultra-low-power-consuming liquid-water-based optoelectronic computing chip）为题发在 Device[1]。
杨旻荟是第一作者，林时胜担任通讯作者。
图 | 相关论文（来源：Device）
基于液态神经网络芯片的思想与实验，未来课题组将主要探索液态神经网络类脑计算芯片和图像传感这两个研究方向。
在类脑计算方面，他们计划通过扩大水计算芯片的规模和复杂度，进一步提升其处理能力，利用微纳米制造技术构建更大规模的光电阵列，从而模拟更复杂的神经网络。
在图像传感方面，他们计划将水基光电探测器应用于智能图像传感器的开发，构建具有超高灵敏度和低功耗的传感器，从而用于自动驾驶、无人机摄像头等需要长时间监控的场景。
与此同时，他们还将开发多光谱图像传感器，以便用于农业监测、环境保护和医疗成像领域，并将水基图像传感器与水计算芯片相结合，打造集成式视觉计算平台，实现从图像采集到智能处理的全流程低能耗操作。
另外，他们计划进一步探索 AI 在数据处理、实验优化以及芯片设计中的应用。
在大规模数据分析、神经网络架构优化等方面，AI 将有希望帮助他们提升研究效率和加速创新进程。
通过这些优化和扩展，他们相信水计算芯片将成为神经网络芯片研究一个重要方向。
事实上，这并不是林时胜第一次产出应用性的材料成果。在他眼中，创新与创业是分不开的。
2010 年，英国著名物理学家安德烈·海姆（Andre K. Geim）凭借在石墨烯中的发现者获得诺贝尔物理学奖。
那一年，林时胜正好在英国曼彻斯特大学和安德烈教授开展合作。虽然时间很短，但是安德烈团队建议林时胜回国建立石墨烯公司。
2011 年，回国之后的林时胜建立了杭州格蓝丰科技有限公司，专门研发石墨烯的应用，目前公司已拥有超过有 10 项授权专利。
通过十年多努力，该公司在前两年已经开发了石墨烯脑电波助眠枕头，该产品第一次将体外中远红外线和脑电波建立了联络，能够促进用户在睡眠前产生更多的 Alpha 波和 Theta 波，从而让入睡更加容易。
总的来说，不论是水芯片还是石墨烯枕头，林时胜都希望自己的成果能够为人类文明做出贡献，而这也是他做科研的动力之一。
参考资料：
1.Yang, M., Xiong, K., Chen, X., Zhong, H., & Lin, S. (2024). Ultra-low-power-consuming liquid-water-based optoelectronic computing chip. Device.
运营/排版：何晨龙
01/ 哈佛团队开发类ChatGPT的AI病理模型，诊断19种类型癌症准确率近94%，为癌症诊疗提供新工具
02/ 动物模型血糖被控长达一天，浙大团队制备口服胰岛素制剂，小鼠连续给药7天未出现低血糖
03/ 可同时用于塑料降解与绿色制氢？科学家制备单原子铁催化剂，有望减少依赖传统化石燃料
04/ 科学家发现新型自由基聚合模式，开发功能化聚烯烃材料，或可突破扩链剂进口依赖
05/科学家打造复合催化剂，只需水和阳光就能将二氧化碳转化生成甲醇和一氧化碳，可用于废气处理领域
