由南安普敦大學領導的一項新研究表明，一種稱為憶阻器的納米級設備可用于驅動可模仿人類大腦的人造系統(tǒng)。人工神經(jīng)網(wǎng)絡(ANN)具有學習能力，可以執(zhí)行常規(guī)計算系統(tǒng)難以完成的任務，例如模式識別，在線學習和分類。目前，由于缺乏有效的硬件突觸，實際的ANN實施受到了阻礙。每個ANN都需要大量的關鍵組件。

在發(fā)表于《自然通訊》上的這項研究中，南安普敦研究小組通過實驗證明了一種人工神經(jīng)網(wǎng)絡，該神經(jīng)網(wǎng)絡使用了憶阻器突觸來支持復雜的學習規(guī)則，以便對嘈雜的輸入數(shù)據(jù)進行可逆學習。

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

來自南安普敦大學電子和計算機科學的首席作者亞歷克斯·塞伯博士說：“如果我們要構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。 ，其中許多必須能夠實現(xiàn)不同程度的復雜性的學習規(guī)則。雖然可以肯定地將當前可用的電子組件拼湊在一起以創(chuàng)建這樣的突觸，但是如果不設計新的定制“突觸組件”，即使達到了可能甚至根本無法達到所需的功率和面積效率基準。

“憶阻器通過以極低的體積和極低的能源成本支持學習突觸的許多基本特征(內(nèi)存存儲，在線學習，計算功能強大的學習規(guī)則實現(xiàn)，兩端結構)，為實現(xiàn)這一目標提供了一條可能的途徑。如果要使人造大腦成為現(xiàn)實，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)絡中以無監(jiān)督的方式學習和重新學習輸入模式。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)的情況下實時處理大數(shù)據(jù)。

共同作者，南安普敦大學納米電子學讀者和EPSRC研究員，電子與計算機科學研究員Themis Prodromakis博士說：“通常缺乏實用的演示工具來展示任何新技術，因為這些演示無法展示該技術在實際應用中的優(yōu)勢。 。我們的工作建立了這樣的技術范式轉移，證明了納米級憶阻器確實可以用于構建用于實時處理大數(shù)據(jù)的硅內(nèi)神經(jīng)電路?，F(xiàn)代社會的關鍵挑戰(zhàn)。

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

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！