2019年1月21日，《麻省理工科技评论》公布了2018年“35岁以下创新35人”（Innovators Under 35 China）中国区榜单。从榜单中，我们看到更多中国创新科研力量的崛起，也看到跨学科、跨领域、并且对落地应用有更强烈企图心与使命感的科研创新，这其中涵盖人工智能研究与应用、NLP、脑科学、新材料、新能源、生命科学、生物科技、自动驾驶等多个不同领域。我们将陆续发出对35位获奖者的独家专访，介绍他们的科技创新成果与经验，以及他们对科技趋势的理解与判断。
关于Innovators Under 35 China榜单
自 1999 年起，《麻省理工科技评论》每年都会推出“35岁以下创新35人”（Innovators Under 35 China）榜单，旨在于全球范围内评选出被认为最有才华、最具创新精神，以及最有可能改变世界的 35 位年轻技术创新者或企业家，共分为发明家、创业家、远见者、人文关怀者及先锋者五类。2017年，该榜单正式推出中国区评选，遴选中国籍的青年科技创新者。新一届榜单正在征集提名与报名，截止时间2019年5月31日。详情请见文末。
“学习好是因为‘强化学习算法’训练的结果，小时候爸妈和学校都会对学习好进行奖励，于是在正反馈的激励下不断强化学习，最终形成了习惯。”杨玉超对于他的成长经历，做了一个科学家式的有趣描述。杨玉超的研究之路充满了传奇色彩，如果要打一个恰当的比喻，那应该是哥伦布发现新大陆式的探索之旅。
探索之旅的启程始于2008 年，那个时候杨玉超正在读材料学博士二年级，研究电介质薄膜的时候发现一些制备不好的样品漏电比较大，电流-电压曲线还出现了回滞的窗口，这对于电介质薄膜来讲是不好的现象，属于比较失败的样品。但杨玉超在这个时候没有习惯性地把失败的实验样品丢到垃圾桶，而是刨根究底阅读大量的文献，想要弄清楚这种现象背后的机制。
阅读文献的过程中，杨玉超发现他的失败样品和2008 年惠普实验室确立的第四种无源电路元件——忆阻器吻合，意识到这一点后，杨玉超从博士三年级开始就完全转换了研究方向，从此全部投入到忆阻型器件及其应用的研究中。2009年，杨玉超在 Nano Letters 上发表了他个人在忆阻器领域的第一篇论文，从实验上直接证实了忆阻器实现存储功能的金属导电细丝机制，惠普公司认为他的工作是忆阻器领域内的“重要进展”。
2010年，杨玉超博士四年级未完，就拿到了密歇根大学实验室的 offer，最终他提前博士毕业，开启了5年的留学生涯。在留学期间，杨玉超着重研究导电细丝在RRAM 器件中的动力学机制。在将近一年的时间里，杨玉超经历了无数次发现新问题、找新思路解决的曲折过程，终于切实观察到了两种不同的导电细丝生长动力学模式。之后杨玉超继续发挥刨根问底的探索精神，在金属颗粒层面更加深入地研究，最终从根本上解释了迄今为止实验中观察到的所有不同导电细丝生长模式。杨玉超的这一系列研究，属于国际首次，Nature Communications 和美国自然科学基金官网等都给予了极大的关注度，对其研究成果高度认可。
2015 年，杨玉超回国加入北京大学，在这里他开始了新的探索之旅。而这次，杨玉超将他的下一个“小目标”设定为——研制出基于新型神经形态器件的高智能、低功耗类脑芯片。
为什么忆阻器现在和类脑芯片联系在了一起？这是因为忆阻器的特性能够用来模拟生物突触和神经元的信息处理功能，也就是实现神经形态器件。不同于基于冯诺依曼架构——数据处理、存储单元分离的传统计算机，基于忆阻型神经形态器件可以模仿人脑的神经网络，通过类脑计算实现数据处理和存储的高度融合，从而实现比传统计算机运算要复杂出几个数量级、同时能耗、硬件又省下几个数量级的终极目标，进而引领未来计算机和智能产业的发展，给世界带来深刻变革。
（来源：杨玉超）
类脑芯片和现在的专用芯片的区别在哪里？这要从类脑计算的特性说起。简单与现在非常流行的深度学习做一下对比，我们就知道其中的区别。
首先从数据量和精确度来说，深度学习需要大量数据喂养、消耗大量能源资源；但类脑计算理想情况下只需要很小的样本就能完成特定任务，学习效率和能效更高。举一个例子，一个小孩子看到宠物狗的次数可能非常少，远远比不上深度学习用来训练网络的图片量，但是只要他看到过一两只宠物狗，之后所有的狗他都能辨认出来。
同时，人脑可以进行多任务处理，而深度学习尽管在很多应用领域都取得了令人瞩目的成就，但在处理不同的任务时，仍然需要有不同的神经网络。除此之外，人脑处理信息能够容纳识别噪音，容错率非常高。这些都是未来类脑计算可能优于深度学习的地方。
但是人类目前对于人脑机理的研究只弄懂了很小一部分。对于我们未知之处，杨玉超的观点是如果把类脑芯片先造出来，可能反过来促进人类对于人脑的研究。举一个例子，人们先模仿鸟类的飞行造出了飞机，然后才发展出了系统的空气动力学。
在这样一个革命性的研究领域，杨玉超认为，多学科交叉学习和研究能力对于持续的创新是不可或缺的，因为类脑计算囊括了电子工程、神经科学、物理学、计算机等不同学科。同时，板凳要坐十年冷、年复一年的坚持对于最后的出成果也至关重要。
尽管我们在芯片制造和设计上落后于发达国家，但是有像杨玉超这样的科研者，我们对于中国未来的芯片应该抱有期待，中国芯片的弯道超车，或许能在类脑计算领域上实现。
