一种能够自主学习的人工突触

　　来自法国国家科学研究院，Thales集团，以及波尔多大学、巴黎第十一大学和埃夫里大学的研究人员已经创建了一种能够自主学习的人工突触。他们还能够开发出一套物理模型来解释该器件，而这对于开发更复杂的电路来说是必不可少的。这项研究发表在了2017年4月3日的《自然*通讯》杂志上。

　　仿生学的一个目标是从大脑机能种获得灵感来设计越来越智能的机器。这一原理已经以完成某种特定任务的算法的方式在信息技术中发挥作用，如图像识别；例如，Facebook用来识别照片的方法。

       然而，该程序消耗大量的能量。Vincent Garcia（CNRS/Thales物理联合体）和他的同事们在这个领域刚刚往前迈了一步，直接在芯片上制造了一个能够学习的人造突触。 他们还开发了一个物理模型来解释这种学习能力。这一发现开辟了创建突触网络从而创建耗能和耗时更少的智能系统的道路。

　　我们大脑的学习过程与我们的突触联系在一起，突触起到了在我们的神经元之间连接的作用。突触被刺激得越多，连接就被增强得更厉害，学习也被提高得更多。研究人员从这个机制中获得了灵感，设计了一个被称为忆阻器的人工突触。这种电子纳米器件由夹在两个电极之间的一层薄铁电体组成，其电阻可以用与神经元中类似的电压脉冲来调节。如果电阻比较低，那么突触连接就比较强，如果电阻高，那么连接就比较弱。这种根据不同情况而改变电阻的能力使得突触能够学习。

　　虽然聚焦于这些人工突触的研究是许多实验室关注的中心，但是这些器件的功能原理仍然很大程度上处于未知状态。这些研究人员首次成功地开发出一个能够预测其如何起作用的物理模型。对这一过程的理解将使得创建更复杂的系统成为可能，例如由忆阻器互联的一系列人工神经元。

　　作为ULPEC H2020欧洲项目的一部分，这一发现将在使用创新摄像机进行的实时形状识别上使用：像素保持停止状态，除非它们在视觉角度看到了变化。这个数据处理过程需要的能量更少，并且检测所选对象所需的时间也更少。参与该研究的团队来自：法国国家科学研究院/Thales集团物理联合研究体，集成材料和系统研究所（法国国家科学研究院/波尔多大学/波尔多理工学院），阿肯色大学（美国），纳米科学与纳米技术中心（法国国家科学研究院/巴黎第十一大学），埃夫里大学，以及Thales集团。