人工突觸可自主學習

　　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造了一種能夠自主學習的人工突觸。他們還對該設備進行建模，這對于開發更復雜的腦回路至關重要。該研究4月3日在《自然—通訊》雜志上發表。

　　生物模擬學的目標之一是從大腦的功能中獲得靈感，以便設計越來越多的智能機器。這一原則已經以完成特定任務的算法形式應用在信息技術工作中，例如臉書的圖像識別技術，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域向前邁進了一步，直接在芯片上制作了一個能夠學習的人工突觸。他們還開發了解釋這種學習能力的物理模型。該研究找到了創建突觸網絡以及更低能耗的智能系統的方法。

　　人類的大腦學習過程與突觸有關，它們是神經元之間的聯系。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元相似的電壓脈沖進行調諧。如果電阻較低，突觸連接會很強，反之，則連接較弱。適應外部阻力的能力使突觸得以學習。研究人員首次成功開發出能夠預測人工突觸功能的物理模型。這個過程的理解將有助于創建更復雜的系統，例如由這些憶阻器相互連接的一系列人造神經元。

　　作為ULPEC H2020歐洲項目的一部分，該發現將用于新型相機的實時形狀識別：除非發現視角變化，否則像素保持不動，這其中所涉及的數據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。