藝術(shù)家對電子突觸的印象。 圖片來源：美國《科學日報》

科研試劑廠家-齊一生物

來自法國國家科學研究中心及其他研究組織的研究人員創(chuàng)造了一種能夠自主學習的人工突觸。他們還對該設(shè)備進行建模，這對于開發(fā)更復(fù)雜的腦回路至關(guān)重要。該研究 4 月 3 日在《自然—通訊》雜志上發(fā)表。

生物模擬學的目標之一是從大腦的功能中獲得靈感，以便設(shè)計越來越多的智能機器。這一原則已經(jīng)以完成特定任務(wù)的算法形式應(yīng)用在信息技術(shù)工作中，例如臉書的圖像識別技術(shù)，但是該程序的能耗很高。

文森特·加西亞和他的同事們在這一領(lǐng)域向前邁進了一步，直接在芯片上制作了一個能夠?qū)W習的人工突觸。他們還開發(fā)了解釋這種學習能力的物理模型。該研究找到了創(chuàng)建突觸網(wǎng)絡(luò)以及更低能耗的智能系統(tǒng)的方法。

人類的大腦學習過程與突觸有關(guān)，它們是神經(jīng)元之間的。突觸受到的刺激越多，連接效果越被強化，學習能力越好。研究人員從這種機制中獲得靈感來設(shè)計人造突觸，稱為憶阻器。該電子納米組件由夾在兩個電極之間的薄鐵電層組成，其電阻可以使用與神經(jīng)元相似的電壓脈沖進行調(diào)諧。如果電阻較低，突觸連接會很強，反之，則連接較弱。適應(yīng)外部阻力的能力使突觸得以學習。研究人員成功開發(fā)出能夠預(yù)測人工突觸功能的物理模型。這個過程的理解將有助于創(chuàng)建更復(fù)雜的系統(tǒng)，例如由這些憶阻器相互連接的一系列人造神經(jīng)元。

作為 ULPEC H2020 歐洲項目的一部分，該發(fā)現(xiàn)將用于新型相機的實時形狀識別：除非發(fā)現(xiàn)視角變化，否則像素保持不動，這其中所涉及的數(shù)據(jù)處理過程只需更小的能耗，并且可以花費更少的時間來檢測所選擇的對象。