人工突触可自主学习

　　来自法国国家科学研究中心及其他研究组织的研究人员创造了一种能够自主学习的人工突触。他们还对该设备进行建模，这对于开发更复杂的脑回路至关重要。该研究4月3日在《自然—通讯》杂志上发表。

　　生物模拟学的目标之一是从大脑的功能中获得灵感，以便设计越来越多的智能机器。这一原则已经以完成特定任务的算法形式应用在信息技术工作中，例如脸书的图像识别技术，但是该程序的能耗很高。

　　文森特·加西亚和他的同事们在这一领域向前迈进了一步，直接在芯片上制作了一个能够学习的人工突触。他们还开发了解释这种学习能力的物理模型。该研究找到了创建突触网络以及更低能耗的智能系统的方法。

　　人类的大脑学习过程与突触有关，它们是神经元之间的联系。突触受到的刺激越多，连接效果越被强化，学习能力越好。研究人员从这种机制中获得灵感来设计人造突触，称为忆阻器。该电子纳米组件由夹在两个电极之间的薄铁电层组成，其电阻可以使用与神经元相似的电压脉冲进行调谐。如果电阻较低，突触连接会很强，反之，则连接较弱。适应外部阻力的能力使突触得以学习。研究人员首次成功开发出能够预测人工突触功能的物理模型。这个过程的理解将有助于创建更复杂的系统，例如由这些忆阻器相互连接的一系列人造神经元。

　　作为ULPEC H2020欧洲项目的一部分，该发现将用于新型相机的实时形状识别：除非发现视角变化，否则像素保持不动，这其中所涉及的数据处理过程只需更小的能耗，并且可以花费更少的时间来检测所选择的对象。