计算机模拟细胞斯坦福,斯坦福大学实现高性能低功耗人工突触，可用于神经网络计算 _神经

选自作者：机器之心编译参与：微胖、晏奇
斯坦福研究人员打造出一种新的有机人工突触，更好地支持计算机再现人类大脑信息处理方式。该研究还能改善脑机(brain—)技术。
尽管这些年来，计算机技术取得不少进展，但是，在再造大脑低能耗、简洁的信息处理过程这方面，我们仍然步履蹒跚。现在，斯坦福大学和桑迪亚国家实验室的研究人员取得了重要进展，该研究可以帮助计算机模拟某块大脑高效设计，亦即人工突触。
，材料科学与工程学副教授，研究生 Scott Keene 在确知用于神经网络计算的人工突触的电化学性能。他们是创造这一新设备团队的成员。
说，它运行起来就像是真的突触，不过，它是一个可以制造出来的电子设备。是斯坦福大学材料科学与工程学副教授，也是这篇论文的资深作者( ) 。「这是一套全新的设备系列，之前并没有看到过这类架构。许多关键标准测评后，我们发现，这款设备的性能要比其他任何非有机设备要好。」
相关研究发表在了 2 月 20 日的上，该人工突触模仿了大脑突触从通过其中的信号中进行学习的方式。较之传统计算方式，这种方式要节能得多，传统方法通常分别处理信息然后再将这些信息存储到存储器中。就是在这里，处理过程创造出记忆。
或许有一天，这款突触能够成为一台更接近大脑计算机的一部分，它特别有利于处理视觉、听觉信号的计算过程。比如，声控接口以及自动驾驶汽车。过去，这一领域已经研究出人工智能算法支持下的高效神经网络，但是，这些模仿者距离大脑仍然比较遥远，因为，它们还依赖传统的能耗计算机硬件。
建造一个大脑
人类学习时，电子信号会在大脑神经元之间传递。首次横穿神经元最耗费能量。再往后，连接所需的能力就少了。这也是突触为学习新东西、记住已学内容创造便利条件的方式。人工突触，和所有其他类脑计算版本不同，可以同时完成(学习和记忆)这两项任务，并能显著节省能量。
深度学习算法非常强大，不过，仍然依赖处理器来计算、模拟电子状态并将其保存在某个地方，就能耗和时间而言，这可不够高效， Yoeri van de Burgt 说，他之前是lab 的博士后研究人员( ) ，也是这篇论文的第一作者。「我们没有模拟一个神经网络，而是试着制造一个神经网络。」
这款人工突触是以电池设计为基础的。由两个灵活的薄膜组成，薄膜带有三个终端，这些终端通过盐水电解质连接起来。它的功能就像一个晶体管，其中一个终端控制其与其他两个终端之间的电流。
就像大脑中的神经通路可以通过学习得到加强，研究人员通过重复放电、充电，为人工突触编程。训练后，他们就能预测(不确定性仅为 1%)需要多少伏电，才能让突触处于某种特定电信号状态( state) ，而且一旦抵达那种状态，它就可以保持该状态。易言之，不同于普通电脑，关掉电脑前，你会先将工作保存在硬件上，人工突触能回忆起它的编程过程而无需任何其他操作或部件。

计算机模拟细胞 斯坦福,斯坦福大学实现高性能低功耗人工突触，可用于神经网络计算

计算机模拟细胞斯坦福,斯坦福大学实现高性能低功耗人工突触，可用于神经网络计算