摘要：研究人员演示了如何使用忆阻器来构建模仿人类大脑的人工智能供电系统。

      由南安普敦大学牵头的新研究，表明纳米器件，又称为忆阻器，可以用来为人工智能系统供电，并可以模仿人类的大脑。

      人工神经网络（ANN）具有学习能力，解决传统算法难以完成的任务，如模式识别、在线学习与分类。现有的人工神经网络目前缺乏有效的硬件“突触”；“突触”是一个关键组件，每一个人工神经网络都需要大量“突触”。

      在这项发表在《Nature Communications》的研究中，南安普顿研究小组的实验证明，一个使用忆阻器作为突触的人工神经网络能够用复杂的学习规则来对有噪声的输入数据进行数据去噪。

      记忆电阻器是一种电子元件，它能够限制或调节电路中电流的流动，并且能记忆流经它的电荷量大小。即使断电了这种元件也能保存数据。

      来自南安普敦大学电子和计算机科学系的论文第一作者Alex Serb博士说：“如果我们想建立一个能模仿大脑功能的人工智能系统，我们需要使用数百亿，甚至上万亿的人工突触，它们必须能够实现不同复杂程度的学习规则。虽然目前可用的电子元件可以拼凑在一起创造出这样的突触，但是所需的电源功率和元件面积将达到难以实现的程度。如果没有新的突触元件，这样的系统将无法创造出来。

      “忆阻器提供一个可能的途径，它在极小的体积内提供了很多突触进行学习所需的基本功能（存储、在线学习、强大的计算学习能力，二端结构），而且只需要极低的能量来驱动。如果人工大脑要成功实现，那么记忆性突触必须要研发成功”。

      就像大脑中的突触一样，金属氧化物制造的忆阻器阵列能够在无人监督的情况下持续学习输入的模式，其原理类似于winner-take-all（WTA）概率神经网络。这在低功耗嵌入式的处理器（物联网）中非常实用，它们将可以在没有任何先验知识的情况下进行实时大数据处理。

      在开放空间中的物体以相同的方式排列在通道里。然而，志愿者不得不沿着通道走，才能看到所有的物体。来源：南安普顿大学。

      论文另一位作者Themis Prodromakis博士是在Nanoelectronics的读者，也是南安普敦大学电子与计算机科学的协会会员。他说：“任何一种新技术的发展通常因为缺乏实用性展示而受到阻碍。我们的工作确立了一种技术规范的发展方向，它证明纳米忆阻器实际上可以用来构建神经网络来对大数据进行实时处理；这是现代社会的一个关键挑战。

      “我们已经证明，这样的硬件平台可以独立自主地适应它的环境，无需任何人为干预，并且非常鲁棒，即使是对有噪声数据也可以实时可靠地处理。这种新型的硬件可以广泛地应用于各种场景，包括普适传感技术，和恶劣环境中的实时监测等；它非常有希望成为物联网看遍世界的组件。”

      关于这篇计算神经科学文章

      它汇聚了来自南安普顿大学的纳电子学和纳米技术组的工程师，和格拉茨科技大学的理论计算机科学家的智慧，并使用了南安普顿纳米制造中心的先进设施。

       南安普敦大学的Prodromakis小组是这一领域公认的世界领先的小组，他们与Leon Chua（南安普敦大学的访问学者）有合作，Leon在1971年从理论上预言了忆阻器的存在。