人的大脑能够同时学习和记忆大量信息而又不需要太多能量的能力,很多研究机构都希望制造出类似于大脑甚至超越大脑的计算机。

人脑中,学习是由神经元之间的连接(突触)的增强和减弱而发生的。深度神经网络一直采用这种策略,实现模拟机器学习。

美国麻省理工学院近日开发出一种由无机材料制成的电阻器它将人工模拟突触的运行速度大大提高,比以前的版本快100万倍,也比人脑中的突触快约100万倍。

这些可编程电阻器不仅提高了神经网络训练的速度,同时也降低了执行训练所需的成本和能量,这可以帮助科学家更快地开发深度学习模型。

这一技术的关键元素是质子可编程电阻器,这些电阻以纳米为单位排列成阵列,就像棋盘一样。

研究人员用无机磷硅玻璃(PSG)做可编程质子电阻器的电解质材料,PSG能够实现超快质子运动,还可承受非常强的脉冲电场。只需向其施加更大的电压,质子的移动速度将倍增。

这项研究是电阻存储器件的重大突破,现在研究人员已经证明了这些可编程电阻器的有效性,后续研究人员将会对其重新设计并进行大批量产,以应用于自动驾驶汽车、安全检测或医学图像分析等诸多领域。

比人脑突触快百万倍!新型可编程电阻器诞生-风君雪科技博客