法國研究人員日前成功開發(fā)出能自主學習的人工神經(jīng)突觸，首次開發(fā)出能預測人工神經(jīng)突觸如何工作的物理模型，借助該模型，創(chuàng)建更復雜的系統(tǒng)成為了可能。

 

　　能夠?qū)W習的人工神經(jīng)突觸 人造大腦或?qū)⒁獙崿F(xiàn)以Vincent Garcia為首的法國科研人員，近日在人工神經(jīng)領域取得了突破：在芯片上直接創(chuàng)制出能夠?qū)W習的人工神經(jīng)突觸，即 artificial synapse，以及能夠解釋其學習能力的物理模型。該研究為創(chuàng)造人工神經(jīng)突觸網(wǎng)絡，因而開發(fā)出更快速高效的人工智能系統(tǒng)打開了一扇大門。

 

　　研究成果在昨日發(fā)表于《Nature Communications》。仿生學領域的一項重要目標，是模仿人腦——從大腦的機能與運轉(zhuǎn)方式獲取靈感，來設計更加智能的機器。這在信息學科應用廣泛，用來處理成特定任務的算法，如圖像識別，就受到仿生學的啟發(fā)。但它們能耗巨大。

 

　　以Vincent Garcia為首的法國科研人員，近日在該領域取得了突破：在芯片上直接創(chuàng)制出能夠?qū)W習的人工神經(jīng)突觸，以及能夠解釋其學習能力的物理模型。該研究為創(chuàng)造人工神經(jīng)突觸網(wǎng)絡，因而開發(fā)出更快速高效的人工智能系統(tǒng)打開了一扇大門。

 

　　人腦的學習過程與神經(jīng)突觸緊密關聯(lián)，后者起到連接神經(jīng)元的作用。被激活的神經(jīng)突觸越多，其連接就會受到強化，學習得到提升。研究人員從這項機制獲取靈感，來設計名為憶阻器（ Memristor）的人工神經(jīng)突觸。該納米電子原件，由兩個電極，以及夾在它們之間的一層薄鐵電物質(zhì)（ferroelectric layer）組成。后者的電阻，可用類似于神經(jīng)元電信號的電壓脈沖來調(diào)整。若電阻低， 突觸聯(lián)系（synaptic connection）會很強；若電阻高，突觸聯(lián)系會較弱。讓人工神經(jīng)突觸進行學習，完全是基于這項調(diào)整電阻的能力。

 

　　雖然，全世界有許多頂級實驗室在研究人工神經(jīng)突觸，這些設備的工作原理在很大程度上仍是未知的。法國研究人員的主要貢獻在于：首次開發(fā)出能預測人工神經(jīng)突觸如何工作的物理模型。借助該模型，創(chuàng)建更復雜的系統(tǒng)成為了可能，比如一系列與這些憶阻器相互連結(jié)的人工神經(jīng)元。