法國研究人員日前成功開發(fā)出能自主學(xué)習(xí)的人工神經(jīng)突觸，即 artificial synapse。他們還創(chuàng)建了物理模型，這對于開發(fā)更復(fù)雜的電路十分關(guān)鍵。研究成果在昨日發(fā)表于《Nature Communications》。

仿生學(xué)領(lǐng)域的一項重要目標(biāo)，是模仿人腦——從大腦的機能與運轉(zhuǎn)方式獲取靈感，來設(shè)計更加智能的機器。這在信息學(xué)科應(yīng)用廣泛，用來處理成特定任務(wù)的算法，如圖像識別，就受到仿生學(xué)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(lǐng)域取得了突破：在芯片上直接創(chuàng)制出能夠?qū)W習(xí)的人工神經(jīng)突觸，以及能夠解釋其學(xué)習(xí)能力的物理模型。該研究為創(chuàng)造人工神經(jīng)突觸網(wǎng)絡(luò)，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。

藝術(shù)家描繪的人工神經(jīng)突觸結(jié)構(gòu)圖

人腦的學(xué)習(xí)過程與神經(jīng)突觸緊密關(guān)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(xué)習(xí)得到提升。

研究人員從這項機制獲取靈感，來設(shè)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(xué)習(xí)，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(shè)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(yù)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(fù)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。

雷鋒網(wǎng)獲知，作為歐盟 ULPEC H2020 研究項目的一部分，該發(fā)現(xiàn)將會用于在新型攝像頭上進行實時輪廓識別：除非觀察到視角變化，像素點會保持不活動狀態(tài)。該數(shù)據(jù)處理過程的能耗更低，并能更快地檢測選中的對象。

雷鋒網(wǎng)了解到，參與該研究的學(xué)者來自于CNRS/Thales 物理學(xué)聯(lián)合研究室，波爾多大學(xué)、巴黎第十一大學(xué)、埃夫里大學(xué) 以及美國阿肯色大學(xué)。