忆阻器制成神经网络更高效

　　据英国《每日邮报》网站近日报道，美国密歇根大学的科学家设计出一种由忆阻器制成的新型神经网络系统——储备池计算系统，它可以教机器像人类一样思考，并显著提升效率。而且，它能在对话之前预测词汇，甚至可以预测下一步输出。

　　此前科学家曾用更大的光学元件创建出储备池计算系统，但电气工程和计算机科学教授卢伟（音译）率领的团队使用忆阻器创建的新系统所需空间更小，也更容易集成到现有的硅基电子设备中。

　　忆阻器是既可执行逻辑运算，又可存储数据的特殊电阻设备，在最新研究中，卢伟团队使用了一种特殊的忆阻器。

　　神经网络由神经元（节点）、突触（节点之间的联系）组成。为了训练神经网络完成某项任务，需要给它“喂食”大量问题以及相应答案。神经网络一旦经过训练，就可以在不知道答案的情况下接受测试。

　　卢伟表示，研究人员需要花费数日甚至数月来训练网络，这显然非常昂贵。但他们通过忆阻器制造出的储备池计算系统，可避免大多数的昂贵训练过程，也为网络提供了记忆能力，这是因为系统最关键的组件——储备池无需训练。

　　团队采用手写识别测试（神经网络常用的基准）来验证储备池计算概念，结果表明，他们仅使用88个忆阻器做节点，就可以分辨数字的手写版本，且储备池的精准度高达91%；而传统神经网络需要几千个节点。此外，处理随着时间而变化的数据，新系统也能胜任。

　　未来，卢伟计划借助这一技术，研究语音识别和预测分析这两大领域。他表示：“我们可以预测自然口语语言，所以你无需说全单词，我们就可以预测出你接下来要说什么。”

　　而在预测分析领域，卢伟希望使用这个系统吸收有噪音的信号，例如来自偏远无线电台的信号，制造出更干净的数据流。他说，即便输入停止，这项技术也可以预测和产生输出信号。