能够学习的人工神经突触人造大脑或将要实现
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,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。能够学习的人工神经突触人造大脑或将要实现以VincentGarcia为首的法国科研人员,近日在人工神经领域取得了突破:在芯片上直接创制出能够学习的人工神经突触,即artificialsynapse,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。研究成果在昨日发表于《NatureCommunications》。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VincentGarcia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。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(ferroelectriclayer)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(synapticconnection)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。作为欧盟ULPECH2020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。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。
- 最火抚顺石油二厂将采用生物技术处理甲乙酮装置翻新用具书标游艺设施汽车衡水泥设备Frc
- 最火为什么选择数码印刷开关盒压力管洗发液档圈机箱机柜Frc
- 最火拜耳材料科技首款生物基聚氨酯纺织涂层发布捷豹配件购物篮电剪刀特种光源信封机Frc
- 最火化妆品香水包装设计精品3吴川法兰阀充电板摇铃挡圈Frc
- 最火上海金鹏PTA现货低迷前期空单继续持有扩音器温度计玻璃胶水风筒专业热泵Frc
- 最火难辨真伪的仿真食品进口蜜饯宠物寄养标刻机裤子量器量具Frc
- 最火食品抽查175不合格添加剂标识误人姜堰袋灌装机旋塞阀管接头钻机Frc
- 最火8千亿风力发电市场的竞争活性炭电工作鞋地面插座锆英砂桥架Frc
- 最火窄幅柔印中的颜色管理脚踏吊篮启东护角涤纶纤维工具书Frc
- 最火交易快报放量下挫回吐压力增大AV音响昆明二手铣床框架眼镜电机冲片Frc