忆阻器制成神经网络更高效

根据英国《每日邮报》网站上最近的一份报告，美国密歇根大学的科学家设计了一种由忆阻器组成的新神经网络系统——储备池计算系统，它可以教会机器像人类一样思考，并显著提高效率。此外，它可以在对话前预测词汇，甚至预测下一次输出。

忆阻器(网络图)

此前，科学家们使用较大的光学元件来创建一个存储池计算系统，但由电子工程和计算机科学教授卢伟(Lu Wei)领导的团队创建的新系统需要的空间更少，而且更容易集成到现有的硅基电子设备中。

忆阻器是特殊的电阻器件，可以执行逻辑运算和存储数据。在最近的研究中，卢伟的团队使用了一种特殊的忆阻器。

神经网络由神经元(节点)和突触(节点之间的连接)组成。为了训练神经网络来完成某项任务，它需要“输入”大量的问题和相应的答案。一旦被训练，神经网络可以在不知道答案的情况下被测试。

神经网络(网络图)

卢伟说，研究人员需要花几天甚至几个月的时间来训练网络，这显然非常昂贵。然而，他们通过忆阻器制造的存储池计算系统可以避免最昂贵的训练过程，并且还为网络提供存储能力，因为存储池是系统的最关键组件，不需要训练。

该团队使用手写识别测试(神经网络常用的基准)来验证存储池计算的概念。结果表明，它们只需88个忆阻器作为节点就能区分手写版本的数字，存储池的准确率高达91%。传统的神经网络需要数千个节点。此外，新系统能够处理随时间变化的数据。

将来，卢伟计划用这种技术来研究语音识别和预测分析。他说:“我们可以预测自然口语，所以你不需要说所有的单词，我们可以预测你接下来会说什么。”

在预测分析领域，卢伟希望利用这一系统来吸收噪声信号，例如来自远程无线电台的信号，以产生更清晰的数据流。他说，即使输入停止，这项技术也能预测并产生输出信号。