神經(jīng)形態(tài)結(jié)構(gòu)融合學(xué)習(xí)和記憶功能L域的研究主要集中在人工突觸的可塑性方面，同時神經(jīng)元膜的固有可塑性在神經(jīng)形態(tài)信息處理的實現(xiàn)中也很重要。德國德累斯頓大學(xué)聯(lián)合清華大學(xué)北京未來芯片創(chuàng)新中心腦靈感計算研究中心(CBICR)近期發(fā)表了一篇名為“Intrinsic plasticity of silicon nanowireneurotransistors for dynamic memory and learning functions”的論文，文獻提出一種由矽奈米線電晶體制成的神經(jīng)電晶體，表面覆有離子摻雜的溶膠-凝膠硅酸鹽薄膜，從而模擬神經(jīng)元薄膜的固有可塑性。

該文獻的工作得出了以下幾點結(jié)論：① 神經(jīng)電晶體中的介電工程(如文獻提出的溶膠-凝膠的可控離子摻雜)可以補充和強化記憶材料在下一代神經(jīng)形態(tài)計算設(shè)備中的功能。②文獻提出了一個單一的神經(jīng)元設(shè)備架構(gòu)及其電路模型，以多個突觸后輸入作為門輸入，多個軸突終端作為晶體管輸出，模擬了一個基于形態(tài)學(xué)和層次結(jié)構(gòu)特征的真實神經(jīng)元的信息處理。該裝置模擬說明了神經(jīng)電晶體非線性信號過程的動態(tài)學(xué)習(xí)能力，學(xué)習(xí)功能由s形函數(shù)系數(shù)的反饋給出，即元塑性；實驗結(jié)果突出了非線性信息處理的能力，這依賴于神經(jīng)電晶體的固有可塑性。通過利用電流器件的輸出動態(tài)控制，能實現(xiàn)在一定的時間范圍內(nèi)更快或更慢地產(chǎn)生和達(dá)到峰值閾值，并控制峰值的速率，這是神經(jīng)元計算的主要算法。③未來的研究可以研究是否可以通過將文獻所提出的神經(jīng)晶體管與脈沖發(fā)生器相結(jié)合來構(gòu)建一個完全用于尖峰神經(jīng)網(wǎng)絡(luò)的神經(jīng)元處理器。