北京大學的Yuchao Yang及其同事在發(fā)表在《智能系統(tǒng)》上的新論文中表明，可以使用憶阻器構建類似于人的存儲器結構，憶阻器被認為是電阻，電容器和電感器之外的第四種無源電路元件。

半導體行業(yè)的長期夢想是在硅芯片上構建類似于大腦的計算系統(tǒng)。近來，神經(jīng)形態(tài)計算已被提出作為在硬件上模擬神經(jīng)元和突觸的工作模式的一種手段，并被譽為大數(shù)據(jù)和人工智能時代的下一代計算范例。

但是，構建神經(jīng)形態(tài)計算系統(tǒng)的關鍵挑戰(zhàn)是重新創(chuàng)建大腦中基于內(nèi)容的存儲結構，這與傳統(tǒng)計算機中基于地址的存儲有很大不同。

由于其內(nèi)部的工作動態(tài)，憶阻器可以響應于外部電刺激而改變其電阻值，與生物突觸具有相似性。在他們的研究中，研究小組使用離散的吸引器網(wǎng)絡來實現(xiàn)并模擬了基于憶阻器的物理系統(tǒng)，該吸引器網(wǎng)絡能夠實現(xiàn)關聯(lián)記憶，這是一種典型的基于內(nèi)容的記憶現(xiàn)象，可以記憶看似無關的項目之間的關系，或者精確地從損壞的狀態(tài)中召回整個信息信息。

所需的信息在網(wǎng)絡的吸引者處進行編碼，并且通過在稱為Oja Rule的在線學習方法中引入神經(jīng)元之間的競爭與合作，與以前的方法相比，系統(tǒng)的存儲容量可以增加10倍，并且具有更好的魯棒性和設備缺陷的容忍度。

通過將離散的吸引子神經(jīng)網(wǎng)絡擴展為連續(xù)的吸引子神經(jīng)網(wǎng)絡（CANN），首次使基于憶阻器的工作記憶成為可能，這證明了動態(tài)存儲和跟蹤外部刺激的潛力。研究人員還系統(tǒng)地研究了設備特性對網(wǎng)絡性能的影響，發(fā)現(xiàn)來自不同來源的噪聲會對CANN維護動態(tài)信息的能力產(chǎn)生不同的影響。雖然讀取噪聲轉移了網(wǎng)絡活動的中心，但是寫入噪聲會使網(wǎng)絡活動的中心分裂了。

這項工作代表了基于憶阻器的神經(jīng)形態(tài)系統(tǒng)的重大進步，該系統(tǒng)可以接近生物學上合理的神經(jīng)網(wǎng)絡，并且可以為真正智能的硬件系統(tǒng)鋪平道路。展望未來，該團隊希望將連續(xù)吸引子神經(jīng)網(wǎng)絡與物理憶阻器交叉開關上的現(xiàn)有監(jiān)督學習系統(tǒng)結合起來。

特色圖片：基于憶阻器的物理系統(tǒng)用于實現(xiàn)基于離散吸引子網(wǎng)絡的關聯(lián)內(nèi)存，從而實現(xiàn)基于內(nèi)容的存儲。通過將其擴展到連續(xù)的吸引子神經(jīng)網(wǎng)絡，可以基于憶阻器實現(xiàn)工作記憶。發(fā)現(xiàn)憶阻器陣列中的寫入和讀取噪聲對網(wǎng)絡維護動態(tài)信息的能力有不同的影響。