憶阻器製成神經網路更高效

據英國《每日郵報》網站近日報導，美國密歇根大學的科學家設計出一種由憶阻器製成的新型神經網路系統——儲備池計算系統，它可以教機器像人類一樣思考，並顯著提升效率。而且，它能在對話之前預測詞彙，甚至可以預測下一步輸出。

憶阻器製成神經網路更高效

憶阻器(網路圖)

　　此前科學家曾用更大的光學元件創建出儲備池計算系統，但電氣工程和計算機科學教授盧偉（音譯）率領的團隊使用憶阻器創建的新系統所需空間更小，也更容易集成到現有的矽基電子設備中。

　　憶阻器是既可執行邏輯運算，又可存儲數據的特殊電阻設備，在最新研究中，盧偉團隊使用了一種特殊的憶阻器。

　　神經網路由神經元（節點）、突觸（節點之間的聯繫）組成。為了訓練神經網路完成某項任務，需要給它「餵食」大量問題以及相應答案。神經網路一旦經過訓練，就可以在不知道答案的情況下接受測試。

憶阻器製成神經網路更高效

神經網路(網路圖)

　　盧偉表示，研究人員需要花費數日甚至數月來訓練網路，這顯然非常昂貴。但他們通過憶阻器製造出的儲備池計算系統，可避免大多數的昂貴訓練過程，也為網路提供了記憶能力，這是因為系統最關鍵的組件——儲備池無需訓練。

　　團隊採用手寫識別測試（神經網路常用的基準）來驗證儲備池計算概念，結果表明，他們僅使用88個憶阻器做節點，就可以分辨數字的手寫版本，且儲備池的精準度高達91%；而傳統神經網路需要幾千個節點。此外，處理隨著時間而變化的數據，新系統也能勝任。

　　未來，盧偉計劃藉助這一技術，研究語音識別和預測分析這兩大領域。他表示：「我們可以預測自然口語語言，所以你無需說全單詞，我們就可以預測出你接下來要說什麼。」

　　而在預測分析領域，盧偉希望使用這個系統吸收有噪音的信號，例如來自偏遠無線電台的信號，製造出更乾淨的數據流。他說，即便輸入停止，這項技術也可以預測和產生輸出信號。