吃喝攻略|妈妈不用担心我的学习了？兼具学习与记忆功能的神经晶体管面世( 二 )

由 Baek、Baraban、Cuniberti 和他们同事共同提出的新型神经晶体管可以充当短期内存，这是因为溶胶─凝胶薄膜限制了内部离子的移动，并在短时间内保持一定的离子状态。因为这种独特性，溶胶－凝胶薄膜答应神经晶体管产生独特的非线性（亦即 Sigmoid 函数）输出动态，它由历史输入讯号来控制。
这项研究最有意义的成就是，利用神经元可塑性获得动态学习能力
由研究职员开发的这种组件仿真了神经元细胞的功能和既有可塑性。事实上，在神经元中，膜电位（Membrane Potential）会引发离子电流泛起 S 型变化。这种非线性动态特性也赋予它进阶的学习能力，使它成为机器学习应用的理想选择，例如，学习如何在模式分类（Pattern-Classification）任务中表现良好。
「我们这项研究最有意义的成就就在于，我们利用神经元可塑性而获得神经晶体管网络的动态学习能力，」这项研究主要研究职员之一的 Eunhye Baek 指出：「很多神经形态组件（主要是 memristor 忆阻器）因为它们的随机性（如随机电流阈值），所以很难控制输出动态。」
研究职员采用的设计策略是答应他们的神经晶体管使用其神经细胞中定量的掺杂离子来获得不乱的输出动态。 Baraban、Cuniberti、Baek 和他们同事最近研究的目标是，仿真神经元的非线性运算，他们的神经晶体管可用于执行组件级分类，而无需进行数据的后处理。这使得更强盛的神经形态运算能以更低的功耗实现，反观当前运行在神经形态组件上的现有模式分类模型，多半需要额外的软件运算。
Baraban 表示：「终极，我们证实了人们可以从传统的场效晶体管，甚至整颗芯片，透过对溶胶－凝胶薄膜的选择性修改，将其转变成具有全新功能的神经晶体管（或神经芯片）。」这项工作证明了神经形态电子零组件在单一组件中实现记忆和学习功能的巨大潜力。透过仿真神经单位膜的可塑性，他们设计神经晶体管的新策略让具备进阶学习能力之新电子组件的制造成为可能。
「我们现在正在清华大学透过混合忆阻器开发有如视网膜般的人工视觉感官神经元，来进行进一步的大脑启发式运算研究，」Baek 指出：「在传入的讯号到达大脑之前，感觉神经元已经开始记忆和学习，以便对讯号进行预处理。我们神经晶体管背后的动态学习原理将会应用在处理时变（Time-Varying）光讯号上。」
想了解更多精彩内容，快来关注海外黄老邪