利用100多个人工突触进行图像识别

 美国加州大学圣塔芭芭拉分校(UCSB)的研究人员利用氧化物忆阻器(记忆电阻、Memristor)，构成了简单却具有学习功能的神经元网络(Neural Network)。UCSB宣布，研究人员训练神经元网络学习由3×3像素构成的黑白图像图案，最终可以成功地识别字母表中的“z”、“v”、“n”三个字母。相关论文已发表在学术期刊《自然》(Nature)上。据UCSB介绍，这是首次利用仅由无晶体管的忆阻器构成的神经元网络，成功完成的图像识别。

,

UCSB试制的是由人工突触构成的神经元网络。人工突触由以Al2O3/TiO2-x层为基础的氧化物忆阻器构成。此次试制的神经元网络是一个12×12的交叉电路(Crossbar Circuit)，是神经元网络中最简单的构成，被称为“简单感知器”(Simple Perceptron)。尽管如此，该神经元网络仍具备采用误差反向传播算法(Back Propagation)的学习功能以及3×3像素的图像分类功能，研究人员已经证实了这点。

将模拟神经元和突触的电路集成在一起的尝试并不少。比如，曾有企业在一枚芯片上安装100万个神经元和几亿个突触，实现了多层的深度学习。

此次的特点是(1)采用氧化物忆阻器、(2)利用忆阻器的I-V特性为非线性这点，在未采用晶体管的情况下实现了模拟工作。据UCSB介绍，具备这些特点的神经元网络电路，其集成性非常高。具体情况是，可在面积为1cm2的芯片上安装2500万个人工神经元和2500亿条人工突触。而且，估计单枚芯片的功耗仅为1W左右。

通过20cm见方的芯片再现人脑规模的神经元网络

人的大脑估计由约100亿个神经元以及约100万亿条突触构成。采用此次的技术后，可通过约20cm见方的“芯片”，实现与人脑相同规模的神经元网络。此时的功耗为400W，虽然大于人脑，但却远远小于通过现有的计算机技术再现人脑信息处理能力时的功耗。