由南安普敦大學(xué)領(lǐng)導(dǎo)的一項(xiàng)新研究表明，一種稱為憶阻器的納米級設(shè)備可用于驅(qū)動(dòng)可模仿人類大腦的人造系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)(ANN)具有學(xué)習(xí)能力，可以執(zhí)行常規(guī)計(jì)算系統(tǒng)難以完成的任務(wù)，例如模式識(shí)別，在線學(xué)習(xí)和分類。目前，由于缺乏有效的硬件突觸，實(shí)際的ANN實(shí)施受到了阻礙。每個(gè)ANN都需要大量的關(guān)鍵組件。

在發(fā)表于《自然通訊》上的這項(xiàng)研究中，南安普敦研究小組通過實(shí)驗(yàn)證明了一種人工神經(jīng)網(wǎng)絡(luò)，該神經(jīng)網(wǎng)絡(luò)使用了憶阻器突觸來支持復(fù)雜的學(xué)習(xí)規(guī)則，以便對嘈雜的輸入數(shù)據(jù)進(jìn)行可逆學(xué)習(xí)。

憶阻器是限制或調(diào)節(jié)電路中電流流動(dòng)的電氣組件，即使關(guān)閉電源，它也可以記住流過電路的電荷量并保留數(shù)據(jù)。

來自南安普敦大學(xué)電子和計(jì)算機(jī)科學(xué)的首席作者亞歷克斯·塞伯博士說：“如果我們要構(gòu)建能夠模仿大腦功能和力量的人工系統(tǒng)，我們就需要使用數(shù)千億甚至是數(shù)萬億的人工突觸。 ，其中許多必須能夠?qū)崿F(xiàn)不同程度的復(fù)雜性的學(xué)習(xí)規(guī)則。雖然可以肯定地將當(dāng)前可用的電子組件拼湊在一起以創(chuàng)建這樣的突觸，但是如果不設(shè)計(jì)新的定制“突觸組件”，即使達(dá)到了可能甚至根本無法達(dá)到所需的功率和面積效率基準(zhǔn)。

“憶阻器通過以極低的體積和極低的能源成本支持學(xué)習(xí)突觸的許多基本特征(內(nèi)存存儲(chǔ)，在線學(xué)習(xí)，計(jì)算功能強(qiáng)大的學(xué)習(xí)規(guī)則實(shí)現(xiàn)，兩端結(jié)構(gòu))，為實(shí)現(xiàn)這一目標(biāo)提供了一條可能的途徑。如果要使人造大腦成為現(xiàn)實(shí)，那么憶阻突觸就必須成功。”

金屬氧化物憶阻器陣列就像大腦中的突觸一樣，能夠在概率性贏家通吃(WTA)網(wǎng)絡(luò)中以無監(jiān)督的方式學(xué)習(xí)和重新學(xué)習(xí)輸入模式。這對于啟用低功耗嵌入式處理器(物聯(lián)網(wǎng)需要)非常有用，該處理器可以在不事先了解數(shù)據(jù)的情況下實(shí)時(shí)處理大數(shù)據(jù)。

共同作者，南安普敦大學(xué)納米電子學(xué)讀者和EPSRC研究員，電子與計(jì)算機(jī)科學(xué)研究員Themis Prodromakis博士說：“通常缺乏實(shí)用的演示工具來展示任何新技術(shù)，因?yàn)檫@些演示無法展示該技術(shù)在實(shí)際應(yīng)用中的優(yōu)勢。 。我們的工作建立了這樣的技術(shù)范式轉(zhuǎn)移，證明了納米級憶阻器確實(shí)可以用于構(gòu)建用于實(shí)時(shí)處理大數(shù)據(jù)的硅內(nèi)神經(jīng)電路。現(xiàn)代社會(huì)的關(guān)鍵挑戰(zhàn)。

“我們已經(jīng)證明，這樣的硬件平臺(tái)可以在沒有任何人工干預(yù)的情況下獨(dú)立地適應(yīng)其環(huán)境，并且在實(shí)時(shí)可靠地處理甚至是嘈雜的數(shù)據(jù)方面具有非常強(qiáng)的彈性。這種新型硬件可以在普適傳感技術(shù)中找到各種各樣的應(yīng)用，以在惡劣或無法訪問的環(huán)境中促進(jìn)實(shí)時(shí)監(jiān)控。實(shí)現(xiàn)物聯(lián)網(wǎng)愿景的高度可取的能力。”

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請聯(lián)系刪除！