新型神经网络芯片：由忆阻器构成 为人工智能提速！

导读

人工智能发展迅猛，而时间和能量的大量损耗仍然是制约其性能的一个瓶颈。最近，法国科学家利用忆阻器开发出一种神经网络芯片，对于人工智能来说，不仅降低它的能耗，而且还提升了速度。

（图片来源于:Sren Boyn/法国国家科学研究院）

图解：

这是一幅艺术家对于电子神经突触的印象图，其中的粒子代表流过氧化物的电子，类似生物神经突触中的神经传导物质。电子的流动取决于氧化物的铁电畴结构，受到电压脉冲控制。

关键技术提示：

人工智能、神经网络、忆阻器。

背景分析

谷歌开发出TPU、AlphaGo战胜李世石、无人驾驶汽车上路，一些列的事件让人工智能再次成为万众瞩目的焦点。无论是国外的谷歌、微软、英特尔，还是国内的百度、腾讯、阿里，科技巨头们都纷纷在人工智能领域，采取了一些列的动作。

过去几年时间，人工智能之所以取得很大发展，神经网络的作用不可忽视，它具有学习能力，可以处理机器系统之前无法胜任的任务。

例如，人工智能神经网络可在芯片上运行，用于手机或者无人驾驶系统的图像分析；另外，将人工智能神经网络用于眼球追踪系统，用于心理学和市场调查；还有，用人工智能进行精神和心理疾病的治疗；甚至，人工智能还可以和可穿戴技术结合，实时检测人类情绪变化。

然而，目前人工智能技术的发展，大部分都还是在模仿人脑的工作的方式。当今信息世界中，这样的一种方式称为「神经网络」。

它是一种模仿动物神经网络行为特征，进行分布式信息处理的算法数学模型。神经网络中的算法可以进行训练，模仿人脑识别语音和图片的方式。

但是，运行这样的人工智能系统，往往会耗费很多的时间和能量，这也成为了这一技术的主要瓶颈。

创新探索

最近，来自法国国家科学研究院、波尔多大学和埃夫里大学的研究人员联合开发了一种「直接位于芯片上的人工神经突触」，也称为“忆阻器”。这一研究成果让智能系统的学习需要的时间和能量更少，并且是全自动化的。

人类大脑中，神经突触可以作为神经元之间的连接，进行信息传递。这种连接是牢固的，当更多的神经突触受到刺激时，学习能力会提高。

（图片来源于: 维基百科）

忆阻器的工作方式也有点类似。它由一层薄的铁电层组成（它可以自然地极化），封闭于两个电极之间。在施加电压脉冲之后，其电阻会发生变化，就像生物神经元一样。当电阻值低的时候，这种突触连接会加强，当电阻值高的时候，这种突触连接会减弱。而忆阻器的学习能力，正是基于这种可调整的电阻。

（图片来源于: 法国国家科学研究院）

关于忆阻器的原理、作用和价值，John之前多篇文章中都有过介绍，它作为存储器，在集成度，功耗，读写速度方面都优于传统存储器。另外，它也是实现人工神经网络突触的最好方式，在忆阻器的帮助下，人工智能的学习能力将会得到很大的提高。

未来展望

忆阻器的研究工作还在继续，特别是优化它的功能。作为起步级的研究，科研人员已成功构建了一种模型，以预测其工作方式，研究发表于最近的《自然通信》杂志上。这并不是科学界第一次利用忆阻器进行神经网络方面的研究，之前美国加州大学和纽约州立大学石溪分校的一个联合研究小组，就利用过忆阻器就创建出一个神经网络芯片。另外，英国南安普敦大学的研究人员也利用忆阻器，监测神经细胞活动，可使人类更好地了解神经科学和治疗神经系统疾病。

不久的未来，或许我们将拥有像我们的大脑一样、甚至更好的人工智能系统，也将看到忆阻器在这方面产生更多的价值。

参考资料

【1】http://www2.cnrs.fr/en/2903.htm

【2】Sren 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 Saghi, Vincent Garcia. Nature communications, 3 April 2017. DOI : 10.1038/NCOMMS14736.