法国研究人员已经成功开发了一种能够自主学习的人工突触，即人工突触。他们还创造了物理模型，这对开发更复杂的电路至关重要。研究结果昨天发表在《自然通讯》上。

仿生学领域的一个重要目标是模仿人脑——从大脑的功能和运作中获得灵感，设计出更智能的机器。这在信息科学中被广泛使用。用于处理特定任务的算法，如图像识别，受到仿生学的启发。但是它们消耗大量的能量。

文森特·加西亚(Vincent Garcia)领导的法国研究人员最近在这一领域取得了突破:能够学习的人工突触和能够解释其学习能力的物理模型是直接在芯片上创建的。这项研究为人工神经突触网络的创建打开了一扇门，从而为更快、更有效的人工智能系统的发展打开了一扇门。

艺术家描绘的人工神经突触结构图。

人脑的学习过程与神经突触密切相关，神经突触在连接神经元方面发挥作用。突触越活跃，它们的联系就越紧密，它们的学习能力也会提高。研究人员从这种机制中获得灵感，设计了一种叫做忆阻器的人工神经突触。纳米电子元件由两个电极和夹在它们之间的一层薄铁电层组成。后者的电阻可以通过类似于神经元电信号的电压脉冲来调节。如果阻力低，突触连接就会很强。如果电阻很高，突触连接就会很弱。学习人工突触完全基于这种调节电阻的能力。

尽管世界上许多顶级实验室都在研究人工突触，但这些设备的工作原理在很大程度上仍然未知。法国研究人员的主要贡献是首次开发出一种能够预测人工突触如何工作的物理模型。有了这个模型，就有可能创造更复杂的系统，比如一系列与忆阻器相连的人工神经元。

雷锋网络了解到，作为欧盟ULPEC H2020研究项目的一部分，这一发现将用于新相机的实时轮廓识别:除非观察到视角的变化，否则像素点将保持不活动状态。数据处理过程能耗更低，并且可以更快地检测选定的对象。雷锋了解到，参与这项研究的学者来自美国的CNRS/泰雷兹物理联合实验室、波尔多大学、巴黎XI大学、埃布里大学和阿肯色大学。