11 月 3 日消息，科研人员近日模仿大脑中的神经网络，成功开发出一种可以动态学习和记忆的物理神经网络。该物理神经网络由微小的纳米线组成，并模仿大脑中的突触，通过响应电线相交点处的电子电阻变化来执行任务。
该物理神经网络通过识别和调用电脉冲序列，能够使用在线访问的动态数据，执行实时学习、图像识别等任务，避免了沉重的内存和能源使用。
注：纳米线网络（Nanowire network）是一种纳米技术，通常由肉眼不可见的高导电银线制成，覆盖有塑料材料并形成网状结构。
它们能够自我组装成一个具有记忆和处理能力的动态复杂网络，类似于人脑。现在，悉尼大学的国际研究团队证明了纳米线网络不仅与人脑相似，而且能够像人脑一样学习和记忆。
该物理神经网络效仿人类的神经网络，由直径为十亿分之一米的细线组成，通过一系列命令或算法执行记忆和学习任务来处理信息，这些命令或算法对纳米线交叉处的电子电阻变化做出反应，就像《Pick-up Sticks》游戏中的结点一样。
记忆和学习任务是使用简单的算法实现的，这些算法响应纳米线重叠处的电子电阻变化。这种功能被称为“电阻记忆开关”，当电输入遇到电导率变化时就会产生，类似于我们大脑中的突触所发生的情况。
这种创新技术不仅可以节省能源，还可以显著减少内存使用，为能够处理复杂的现实世界学习和记忆任务的高效、低能耗的机器智能铺平道路。他们的开创性研究论文已发表在《自然通讯》上，标志着机器学习和人工智能领域的重大进步。
在此附上研究论文地址：Zhu, R., Lilak, S., Loeffler, A. et al. Online dynamical learning and sequence memory with neuromorphic nanowire networks. Nat Commun 14, 6697 (2023). https://doi.org/10.1038/s41467-023-42470-5
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，所有文章均包含本声明。