人工智能（AI）已经使得计算机能够处理过去被认为超出了其能力范围的任务。因此，人们对于开发能比现有设备更快完成AI计算且能耗更低的公共电路表现出极大的兴趣。

《自然》杂志上的一篇文章展示了由Chen等人提出的一种创新的硅基电路，这种电路能够在现场重新编程，以执行基础的机器学习操作。

尽管计算机擅长处理具有明确答案的计算任务，但对于需要预测的任务则显得力不从心。例如，如果你打算出售自己的汽车，计算机可以作为一个理想的工具来帮你计算同类车辆的平均价格，从而辅助你确定合适的售价。

然而，通过分析大量复杂的数据集，人工智能技术如机器学习现在可以训练计算机做出更为合理的预测。科学家和工程师们从人脑的结构中汲取灵感，在开发专用硬件方面取得了显著进展，这些硬件可以大幅减少执行分类等任务所需的时间和资源。

Chen及其团队所研发的电路同样受到了人脑结构的启发。通常情况下，电流在电路中的流动就像水流在河流中一样。但如果水流变浅，形成了一些小水坑，水就无法继续流动，因为这些水坑被河床形成的障碍物隔开。

虽然水坑之间的障碍物间距过大，水分子无法从一个水坑跳跃到另一个水坑，但在纳米尺度上，电荷在这些“水坑”中的行为却大不相同。

一些研究者之前的工作展示了如何从随机分布在硅表面的金纳米颗粒中分离出电荷“水坑”，这些颗粒之间由绝缘分子隔开。这些电荷“水坑”被用来构建执行传统计算而非机器学习的电路，这也是Chen等人电路设计的核心。

信息通过应用常规导线施加的电压输入到这类电路中。这些导线产生的电场可以影响附近电荷“水坑”之间的跳跃情况，从而允许通过电路调节电荷的跳跃路径。研究人员还利用机器学习算法来确定所需的控制参数，以使电路执行不同的操作。这一算法的设计灵感来源于生物进化过程。

早期的研究具有开创性意义，因为它表明，只需通过调整施加在五条控制导线上的电压，就能在同一电路中实现本地重新编程，以执行任意双输入逻辑运算。

在最新的工作中，Chen等人克服了这一基本概念的一些关键限制，并利用电路执行AI操作，从而极大地扩展了这一基础理念的应用范围。

首先，他们找到了一种直接在硅上产生电荷坑的新方法，即通过随机掺杂原子，使硅本身获得大量电荷。这种方法使得这些设备的制造更加便捷，并且能够与当前基于硅的电子产品兼容。

其次，在这种新材料系统中，电路中的最高工作温度从接近绝对零度上升至室温。在这样的温度下，电荷跳跃控制着电流的流动，因此所需的各项操作都是可行的。