固体氧化物燃料电池实现发电与人工智能一体化的细胞内神经形态计算新突破

《Cell Reports Physical Science》：In-cell neuromorphic computing in solid oxide fuel cells for bifunctional electrochemical power generation and artificial intelligence

本刊推荐：为解决传统计算架构能效低与智能能源管理需求，研究人员开展固体氧化物燃料电池(SOFC)神经形态计算研究。研究发现SOFC在特定工况下呈现突触特性（包括PPF增强/抑制），基于此构建的人工神经网络实现85.4%图像识别准确率。这项突破使SOFC兼具发电与认知计算双功能，为智能电网、电动汽车等领域提供环境自适应能源解决方案。

　　

随着人工智能技术的飞速发展，传统计算架构面临严峻挑战。基于冯·诺依曼体系的计算系统存在内存与处理单元分离的固有缺陷，在进行大规模人工神经网络(ANN)运算时会产生高昂的能耗和延迟。与此同时，全球能源转型迫切需求更高效清洁的发电技术，固体氧化物燃料电池(SOFC)作为高温电化学能量转换装置，虽然具有发电效率高、燃料适应性广等优势，但其功能长期以来被局限于单一的发电场景。

在这一背景下，韩国科学技术研究院(KIST)牵头的联合研究团队提出了一个革命性概念：能否让SOFC在发电的同时具备人工智能计算能力？这项发表于《Cell Reports Physical Science》的研究首次揭示了SOFC的神经形态计算潜力，通过巧妙利用电化学反应的时间依赖性特性，成功将突触功能集成到发电装置中，实现了"细胞内计算"的创新突破。

研究团队采用的关键技术方法包括：阳极支撑型纽扣SOFC的制备与优化（Ni-YSZ阳极/YSZ电解质/GDC中间层/LSC阴极），利用电化学工作站进行脉冲信号实验（±50-250 mA cm^-2振幅，10-1000ms脉宽），通过IBM模拟硬件加速工具包v.0.5.1构建四层感知器神经网络(784×256×128×10)，基于MNIST手写数字数据集进行图像分类验证。

基本概念：神经形态SOFC系统

SOFC传统上由多孔阳极、致密氧离子传导陶瓷电解质和多孔阴极组成，通过电化学氧化燃料产生直流电能。本研究创新性地发现，由于氧化还原反应的时间依赖性特性，SOFC在特定电流尖峰信号输入下能够电模拟突触可塑性。研究人员设计了包含电平衡系统(BOP)的神经形态SOFC系统，通过电压检测电路（如采样电容读出或过零ADC）实现柱状突触后响应累加，完成神经网络中的乘累加(MAC)运算。这种架构使系统能够实时监测发电波动，同时进行认知计算，且两种功能互不干扰。

SOFC的制备与表征

研究团队制备的阳极支撑型纽扣电池展现出优异的微观结构：400μm阳极支撑层、20μm阳极功能层(AFL)、6μm致密电解质、4μm GDC中间层和30μm LSC阴极。电化学测试表明，电池在750°C、97% H₂条件下最大功率密度达1.1 W cm^-2，与最先进SOFC性能相当。在不同氢气分压（10%-97% H₂）条件下测量的开路电压(OCV)与能斯特方程理论值高度吻合，证实了电池的密封完整性。脉冲实验显示，施加阶跃电流密度后，电池电压会先瞬时变化，随后经历数百毫秒的渐变过程，这种瞬态响应主要由电池内的质量传输过程主导。

突触响应分析

通过模拟生物突触中突触前尖峰触发神经递质释放的机制，研究人员将施加的电流作为突触前尖峰，电池电压变化作为兴奋性突触后电位(EPSP)的类比。实验表明，EPSP峰值随电流尖峰振幅（50-250 mA cm^-2）增加而增大，衰减时间（恢复至原始状态99.5%所需时长）也随之延长。降低H₂分压会增强EPSP响应，这归因于质量传输限制导致的电池过电位增加。尤为重要的是，SOFC表现出明显的配对脉冲促进(PPF)现象——当两个连续电流尖峰间隔较短时（20-100ms），第二个尖峰触发的EPSP会增强。PPF指数随时间间隔呈单指数衰减，弛豫时间常数为45.3ms。此外，连续64个正尖峰（+650mA cm^-2）和64个负尖峰（-10mA cm^-2）分别引发EPSP的增强和抑制，模拟了生物突触的可塑性特征。

图像识别模拟

为验证SOFC系统的计算能力，研究团队构建了基于短时促进效应的脉冲学习/推理网络。四层感知器神经网络(784×256×128×10)采用MNIST手写数字数据集进行训练，将每个像素的灰度值转换为SOFC设备的电流输入。经过60,000个数据集训练后，使用10,000个测试集进行评估，结果显示经过200个训练周期后，识别准确率达到85.4%。虽然这一精度尚未达到最先进神经形态设备的水平，但证明了SOFC在认知计算方面的可行性。这种性能差距主要源于SOFC在电流脉冲刺激下由本征传输现象引起的瞬态电响应，未来可通过优化材料特性、电极动力学和质量传输来改善。

研究结论与讨论部分强调，这项工作突破了SOFC传统上仅作为发电设备的认知框架，首次实现了发电与认知计算的双重功能集成。神经形态SOFC能够通过实时监测和自适应控制优化运行性能，其预测诊断能力可实现故障早期检测，在智能电网和分布式能源网络等大规模应用中具有显著优势。尽管SOFC系统在实现高开关速度和低功耗方面仍面临挑战，但通过引入三端架构分离读写路径、优化脉冲方案等策略，可进一步提升设备性能。未来研究应聚焦于材料特性对突触特性的影响、可逆操作模式探索以及操作原位诊断技术开发，推动SOFC神经形态系统在能源管理和人工智能应用中的实际集成。

这项研究的创新性在于将信息处理功能直接嵌入电化学能量转换过程，而非依赖独立的存储或逻辑单元，为"神经形态万物(NoT)"概念提供了实证支持，开创了能源技术与神经形态设备交叉研究的新范式。