斯坦福大学和桑迪亚国家实验室的研究人员开发了基于人脑神经元连接的计算机组分：一种充当人工突触的装置，模仿神经元在大脑中的通信方式。

该团队报告说，这些设备中的9个的原型阵列在处理速度，能效，再现性和耐久性方面表现甚至优于预期。展望未来，团队成员希望将他们的人工突触与传统电子设备相结合，他们希望这可能是支持小型设备上人工智能学习的一步。

（图片来源：Www.pixabay.com）

“如果你的记忆系统能够以我们提出的能源效率和速度来学习，那么你可以把它放在智能手机或笔记本电脑中，这将开启对我们自己的网络进行培训并在我们自己的设备上本地解决问题的能力，而无需依靠数据传输来实现这一目标。”作者说道。

该团队开发的人工突触类似于电池，经过修改，以便研究人员可以拨打或关闭两个终端之间的电流。这种电流模仿了大脑中的学习方式。这是一种特别有效的设计，因为数据处理和内存存储发生在一个动作中，而不是更传统的计算机系统，其中数据首先被处理然后被移动到存储。

在测试过程中，阵列的性能超出了研究人员的预期。它以如此快的速度运行，团队预测下一版本的这些设备需要使用特殊的高速电子设备进行测试。在测量了3×3阵列的高能效后，研究人员对大型1024×1024突触阵列进行了计算机模拟，并估计它可以使用目前用于智能手机或小型无人机的相同电池供电。研究人员还能够将设备切换超过十亿次 - 这是其速度的另一个证明 - 没有看到其行为的任何退化。

“我们希望有更多的人开始研究这种类型的设备，因为没有多少团体关注这个特定的架构，但我们认为它非常有前景，”Melianas说。

资讯出处：New artificial synapse is fast, efficient and durable

原始出处：Elliot J. Fuller, Scott T. Keene, Armantas Melianas, Zhongrui Wang, Sapan Agarwal, Yiyang Li, Yaakov Tuchman, Conrad D. James, Matthew J. Marinella, J. Joshua Yang, Alberto Salleo, A. Alec Talin. Parallel programming of an ionic floating-gate memory array for scalable neuromorphic computing. Science, 2019; eaaw5581 DOI: 10.1126/science.aaw5581

本文来源自生物谷，更多资讯请下载生物谷APP(http://www.bioon.com/m/)