新型神經網路晶元：由憶阻器構成，為人工智慧提速！

導讀

人工智慧發展迅猛，而時間和能量的大量損耗仍然是制約其性能的一個瓶頸。最近，法國科學家利用憶阻器開發出一種神經網路晶元，對於人工智慧來說，不僅降低它的能耗，而且還提升了速度。

（圖片來源於: S?ren Boyn/法國國家科學研究院）

圖解：

這是一幅藝術家對於電子神經突觸的印象圖，其中的粒子代表流過氧化物的電子，類似生物神經突觸中的神經傳導物質。電子的流動取決於氧化物的鐵電疇結構，受到電壓脈衝控制。

關鍵技術提示：

人工智慧、神經網路、憶阻器。

背景分析

谷歌開發出TPU、AlphaGo戰勝李世石、無人駕駛汽車上路，一些列的事件讓人工智慧再次成為萬眾矚目的焦點。無論是國外的谷歌、微軟、英特爾，還是國內的百度、騰訊、阿里，科技巨頭們都紛紛在人工智慧領域，採取了一些列的動作。

過去幾年時間，人工智慧之所以取得很大發展，神經網路的作用不可忽視，它具有學習能力，可以處理機器系統之前無法勝任的任務。

例如，人工智慧神經網路可在晶元上運行，用於手機或者無人駕駛系統的圖像分析；另外，將人工智慧神經網路用於眼球追蹤系統，用於心理學和市場調查；還有，用人工智慧進行精神和心理疾病的治療；甚至，人工智慧還可以和可穿戴技術結合，實時檢測人類情緒變化。

然而，目前人工智慧技術的發展，大部分都還是在模仿人腦的工作的方式。當今信息世界中，這樣的一種方式稱為「神經網路」。

它是一種模仿動物神經網路行為特徵，進行分布式信息處理的演算法數學模型。神經網路中的演算法可以進行訓練，模仿人腦識別語音和圖片的方式。

但是，運行這樣的人工智慧系統，往往會耗費很多的時間和能量，這也成為了這一技術的主要瓶頸。

創新探索

最近，來自法國國家科學研究院、波爾多大學和埃夫里大學的研究人員聯合開發了一種「直接位於晶元上的人工神經突觸」，也稱為「憶阻器」。這一研究成果讓智能系統的學習需要的時間和能量更少，並且是全自動化的。

人類大腦中，神經突觸可以作為神經元之間的連接，進行信息傳遞。這種連接是牢固的，當更多的神經突觸受到刺激時，學習能力會提高。

（圖片來源於: 維基百科）

憶阻器的工作方式也有點類似。它由一層薄的鐵電層組成（它可以自然地極化），封閉於兩個電極之間。在施加電壓脈衝之後，其電阻會發生變化，就像生物神經元一樣。當電阻值低的時候，這種突觸連接會加強，當電阻值高的時候，這種突觸連接會減弱。而憶阻器的學習能力，正是基於這種可調整的電阻。

（圖片來源於: 法國國家科學研究院）

關於憶阻器的原理、作用和價值，John之前多篇文章中都有過介紹，它作為存儲器，在集成度，功耗，讀寫速度方面都優於傳統存儲器。另外，它也是實現人工神經網路突觸的最好方式，在憶阻器的幫助下，人工智慧的學習能力將會得到很大的提高。

未來展望

憶阻器的研究工作還在繼續，特別是優化它的功能。作為起步級的研究，科研人員已成功構建了一種模型，以預測其工作方式，研究發表於最近的《自然通信》雜誌上。這並不是科學界第一次利用憶阻器進行神經網路方面的研究，之前美國加州大學和紐約州立大學石溪分校的一個聯合研究小組，就利用過憶阻器就創建出一個神經網路晶元。另外，英國南安普敦大學的研究人員也利用憶阻器，監測神經細胞活動，可使人類更好地了解神經科學和治療神經系統疾病。

不久的未來，或許我們將擁有像我們的大腦一樣、甚至更好的人工智慧系統，也將看到憶阻器在這方面產生更多的價值。

參考資料

【1】http://www2.cnrs.fr/en/2903.htm

【2】S?ren Boyn, Julie Grollier, Gwendal Lecerf, Bin Xu, Nicolas Locatelli, Stéphane Fusil, Stéphanie Girod, Cécile Carrétéro, Karin Garcia, Stéphane Xavier, Jean Tomas, Laurent Bellaiche, Manuel Bibes, Agnès Barthélémy, Sylvain Sa?ghi, Vincent Garcia. Nature communications, 3 April 2017. DOI : 10.1038/NCOMMS14736.

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！