神经仿生学材料是一种新兴的材料和转化医学领域。在过去的几十年间，电子科技在不断发展并致力于模仿生物体的感觉和运动系统。但是至今还没有人工设备可以模拟例如决策力和短期记忆等高级生物学功能。具有高级生物学功能人工设备的发展有赖于材料学，制造装配和高级算法等学科的发展。最近人工智能和大数据分析的发展极大推动了高级计算机算法和相关硬件设施的发展。但是目前应用的冯·诺伊曼结构计算系统要求数据在各硬件间进行大量的数据穿梭，所以大大限制了计算速度。因此为了克服这个瓶颈，目前已经开发了非冯·诺伊曼结构计算系统的认知计算机（例如神经形态计算等）。目前相变随机存取存储器（PCRAM）设备的高速发展使之成为可编程序材料的候选设备之一。在本课题中作者及其团队旨在研发出可以概念化高级大脑功能的可行性神经仿生学框架。

　　 2021年1月14日，Clinical and Translational Medicine杂志在线发表了复旦大学附属华山医院 Liang Chen 教授团队的最新成果 “A functional assembly framework based on implementable neurobionic material”[6] 。

　　神经仿生学材料是一种新兴的材料和转化医学领域。在材料设计方面，人们已经把关注的焦点从冯·诺伊曼结构转移到神经形态框架上。因为从材料上重塑真实的神经组织是不可行的，所以研发出可实现高级大脑功能的神经仿生学框架就显得十分必要且可行。

　　 在本项研究中作者提出了一种数学神经仿生材料模型，通过简单且可行的结构对高级生物学功能进行了探索。用同等简单框架来描述方程组所表达的动态变化。然后通过体内试验来验证模拟的结果。

　　 在神经组织，用峰频率记录神经仿生材料的输出结果，而稳定性是基于刺激性/抑制性的比例。数学神经仿生材料模型的峰频率可以自动满足非线性方程组的解。在不同的刺激下，装配也可以发展成为某种分布，与决策能力紧密相关。组装神经仿生材料可以促进形成短期记忆。

　　 体内试验进一步验证了作者提出的数学神经仿生材料模型。本项研究表明神经生物模拟模型具有内源性神经形态计算能力，为可执行神经仿生仪器的设计提供了理论依据。

　　REFERENCES

　　1. Lee Y, Lee TW. Organic synapses for neuromorphic electronics: from brain-inspired computing to sensorimotor nervetronics. Acc Chem Res. 2019;52:964-974.

　　2. Jung YH, Park B, Kim JU, Kim TI. Bioinspired electronics for artificial sensory systems. Adv Mater. 2019;31:e1803637.

　　3. Das N, Nagpal N, Bankura SS. A review on the advancements in the field of upper limb prosthesis. J Med Eng Technol. 2018 ; 42: 532-545.

　　4. Shahid T, Gouwanda D, Nurzaman SG, Gopalai AA. Moving toward soft robotics: a decade review of the design of hand exoskeletons. Biomimetics (Basel). 2018;3:17.

　　5. Ten Kate J, Smit G, Breedveld P. 3D-printed upper limb prostheses: a review. Disabil Rehabil Assist Technol. 2017;12:300-314.

　　6. Zou X, Jiang C, Sun Y, et al. A functional assembly framework based on implementable neurobionic material. Clin Transl Med . 2020;11:e277.