法国研究人员日前成功开发出能自主学习的人工神经突触，即 artificial synapse。他们还创建了物理模型，这对于开发更复杂的电路十分关键。研究成果在昨日发表于《Nature Communications》。
仿生学领域的一项重要目标，是模仿人脑——从大脑的机能与运转方式获取灵感，来设计更加智能的机器。这在信息学科应用广泛，用来处理成特定任务的算法，如图像识别，就受到仿生学的启发。但它们能耗巨大。
以 Vincent Garcia 为首的法国科研人员，近日在该领域取得了突破：在芯片上直接创制出能够学习的人工神经突触，以及能够解释其学习能力的物理模型。该研究为创造人工神经突触网络，因而开发出更快速高效的人工智能系统打开了一扇大门。
艺术家描绘的人工神经突触结构图人脑的学习过程与神经突触紧密关联，后者起到连接神经元的作用。被激活的神经突触越多，其连接就会受到强化，学习得到提升。
研究人员从这项机制获取灵感，来设计名为忆阻器（ Memristor）的人工神经突触。该纳米电子原件，由两个电极，以及夹在它们之间的一层薄铁电物质（ferroelectric layer）组成。后者的电阻，可用类似于神经元电信号的电压脉冲来调整。
若电阻低， 突触联系（synaptic connection）会很强；若电阻高，突触联系会较弱。让人工神经突触进行学习，完全是基于这项调整电阻的能力。
虽然，全世界有许多顶级实验室在研究人工神经突触，这些设备的工作原理在很大程度上仍是未知的。法国研究人员的主要贡献在于：首次开发出能预测人工神经突触如何工作的物理模型。借助该模型，创建更复杂的系统成为了可能，比如一系列与这些忆阻器相互连结的人工神经元。
雷锋网获知，作为欧盟 ULPEC H2020 研究项目的一部分，该发现将会用于在新型摄像头上进行实时轮廓识别：除非观察到视角变化，像素点会保持不活动状态。该数据处理过程的能耗更低，并能更快地检测选中的对象。
雷锋网了解到，参与该研究的学者来自于CNRS/Thales 物理学联合研究室，波尔多大学、巴黎第十一大学、埃夫里大学 以及美国阿肯色大学。
