摘要：研究人員演示了如何使用憶阻器來構建模仿人類大腦的人工智能供電系統(tǒng)。
由南安普敦大學牽頭的新研究，表明納米器件，又稱為憶阻器，可以用來為人工智能系統(tǒng)供電，并可以模仿人類的大腦。
人工神經(jīng)網(wǎng)絡（ANN）具有學習能力，解決傳統(tǒng)算法難以完成的任務，如模式識別、在線學習與分類。現(xiàn)有的人工神經(jīng)網(wǎng)絡目前缺乏有效的硬件“突觸”；“突觸”是一個關鍵組件，每一個人工神經(jīng)網(wǎng)絡都需要大量“突觸”。
在這項發(fā)表在《Nature Communications》的研究中，南安普頓研究小組的實驗證明，一個使用憶阻器作為突觸的人工神經(jīng)網(wǎng)絡能夠用復雜的學習規(guī)則來對有噪聲的輸入數(shù)據(jù)進行數(shù)據(jù)去噪。
記憶電阻器是一種電子元件，它能夠限制或調(diào)節(jié)電路中電流的流動，并且能記憶流經(jīng)它的電荷量大小。即使斷電了這種元件也能保存數(shù)據(jù)。
來自南安普敦大學電子和計算機科學系的論文第一作者Alex Serb博士說：“如果我們想建立一個能模仿大腦功能的人工智能系統(tǒng)，我們需要使用數(shù)百億，甚至上萬億的人工突觸，它們必須能夠?qū)崿F(xiàn)不同復雜程度的學習規(guī)則。雖然目前可用的電子元件可以拼湊在一起創(chuàng)造出這樣的突觸，但是所需的電源功率和元件面積將達到難以實現(xiàn)的程度。如果沒有新的突觸元件，這樣的系統(tǒng)將無法創(chuàng)造出來。
“憶阻器提供一個可能的途徑，它在極小的體積內(nèi)提供了很多突觸進行學習所需的基本功能（存儲、在線學習、強大的計算學習能力，二端結構），而且只需要極低的能量來驅(qū)動。如果人工大腦要成功實現(xiàn)，那么記憶性突觸必須要研發(fā)成功”。
就像大腦中的突觸一樣，金屬氧化物制造的憶阻器陣列能夠在無人監(jiān)督的情況下持續(xù)學習輸入的模式，其原理類似于winner-take-all（WTA）概率神經(jīng)網(wǎng)絡。這在低功耗嵌入式的處理器（物聯(lián)網(wǎng)）中非常實用，它們將可以在沒有任何先驗知識的情況下進行實時大數(shù)據(jù)處理。
在開放空間中的物體以相同的方式排列在通道里。然而，志愿者不得不沿著通道走，才能看到所有的物體。來源：南安普頓大學。
論文另一位作者Themis Prodromakis博士是在Nanoelectronics的讀者，也是南安普敦大學電子與計算機科學的協(xié)會會員。他說：“任何一種新技術的發(fā)展通常因為缺乏實用性展示而受到阻礙。我們的工作確立了一種技術規(guī)范的發(fā)展方向，它證明納米憶阻器實際上可以用來構建神經(jīng)網(wǎng)絡來對大數(shù)據(jù)進行實時處理；這是現(xiàn)代社會的一個關鍵挑戰(zhàn)。
“我們已經(jīng)證明，這樣的硬件平臺可以獨立自主地適應它的環(huán)境，無需任何人為干預，并且非常魯棒，即使是對有噪聲數(shù)據(jù)也可以實時可靠地處理。這種新型的硬件可以廣泛地應用于各種場景，包括普適傳感技術，和惡劣環(huán)境中的實時監(jiān)測等；它非常有希望成為物聯(lián)網(wǎng)看遍世界的組件。”
關于這篇計算神經(jīng)科學文章
它匯聚了來自南安普頓大學的納電子學和納米技術組的工程師，和格拉茨科技大學的理論計算機科學家的智慧，并使用了南安普頓納米制造中心的先進設施。
南安普敦大學的Prodromakis小組是這一領域公認的世界領先的小組，他們與Leon Chua（南安普敦大學的訪問學者）有合作，Leon在1971年從理論上預言了憶阻器的存在。
