人类的基本特征之一是不断学习和适应不断变化的环境的能力。但直到最近，人工智能一直专注于模拟人类逻辑。现在，研究人员正在寻求在能够像人脑一样学习、记忆和做出决定的设备中模仿人类认知。

在固态中模拟这些特征可以激发人工智能和神经形态计算中的新算法，这些算法可以灵活地解决日常生活的不确定性、矛盾和其他方面。神经形态计算模仿人脑的神经结构和操作，部分是通过构建人工神经系统来传输模仿大脑信号的电信号。

来自罗格斯大学、普渡大学和其他机构的研究人员研究了氧化镍这种特殊类型的绝缘材料在其环境在不同时间间隔内反复变化时的电导率如何响应。

“我们的目标是找到一种材料，其电导率可以通过用氧气、臭氧和光等外部刺激调节原子缺陷的浓度来调节，”罗格斯大学物理和天文学系的博士后助理 Subhasish Mandal 说。新不伦瑞克。“我们研究了当我们用氧或氢掺杂系统时这种材料的行为，最重要的是，外部刺激如何改变材料的电子特性。”

研究人员发现，当气体刺激快速变化时，材料无法完全响应。它在任一环境中都处于不稳定状态，其响应开始下降。当研究人员引入臭氧等有害刺激物时，材料开始做出更强烈的反应，但又再次下降。

“我们的结果中最有趣的部分是它展示了普遍的学习特征，例如我们通常在生物物种中发现的习惯化和敏感化，”曼达尔说。“这些材料特性反过来可以激发人工智能的新算法。就像鸟类或鱼类的集体运动激发了人工智能一样，我们相信量子固体中电子的集体行为在未来也能做到这一点。