科學家利用憶阻器模擬人腦學習模式

人腦的位元細胞(bit-cells)是突觸(synapses)，美國密西根大學(University of Michigan)的研究人員指出，憶阻器(memristor)的功能特性是所有的電子元件中與突觸最相近的；他們最近展示單一憶阻器如何以與人腦相同的方式來學習同樣的技術。

人類的神經網路的學習模式，能達到像是特殊演算法那樣、對工程師來說都很難的程度，主要是依賴一種稱為突觸的類比記憶體元素；該元素目前正被科學家用做今日超級電腦中的一種數值來進行模擬。

學習行為的發生，是由於來自人體各感官的功能探測器──像是眼睛內的邊緣感測器(edge detectors)──會產生一種同步電壓突波(simultaneous voltage spikes)。當同步突波發生時，負責接收的大腦突觸會透過提高其數值(也就是一種超級電腦模擬中使用的數字)來回應，而憶阻器則是以改變其電阻值的方式來回應。


研究人員示範以憶阻器來模擬人腦神經網路的學習功能

該研究團隊領導人、密西根大學教授Wei Lu表示，憶阻器是以幾乎與大腦突觸相同的「STDP (spike timing dependent plasticity)」模式，來回應同步電壓脈衝，因此使其能夠成為超級電腦模擬的替代方案。由惠普實驗室(HP Labs)研究人員所發表的大規模憶阻器縱橫閂網路(crossbar networks)，可望建立一個比超級電腦更精確、快速的人腦功能模擬。

http://www.eettaiwan.com/ART_8800604247_480102_NT_7e9431c2.HTM

去年，美國國防部高等研究計劃局(Darpa)指派三個分別由HP、IBM與HRL Labs所率領的研究團隊，在其SyNAPSE (Systems of Neuromorphic Adaptive Plastic Scalable Electronics)計畫下，去研究出一種開發人腦學習要素的最佳方法；而研究成果將在明年發表原型。

HP已經在上述計畫下，研究採用憶阻器來做為突觸，其成果將在今年稍晚發表。IBM去年也宣佈，已成功利用精確的超級電腦模擬貓腦；該獲獎的超級電腦演算法名為「Blue Matter」最終將轉到硬體端，利用諸如密西根大學所研發的電子突觸來運行。

「貓腦的模擬是一個較現實可行的目標，因為其功能比人腦要簡單許多；但要仿製其複雜性與效益，仍然是非常困難的工作。」Lu表示；其研究團隊的目標是製作出某一天能在性能上媲美超級電腦的憶阻器設備，但機器的外型尺寸僅有兩公升的汽水寶特瓶那麼大。

(參考原文： Memristor emulates neural learning，by R. Colin Johnson)