详细内容或原文请订阅后点击阅览
展示了基于忆阻器的生物相似原理训练神经网络的能力
来自俄罗斯和希腊的一组科学家发现，在使用复杂的脉冲神经网络架构解决人工智能当前问题时，使用基于忆阻器的局部学习规则具有新的前景。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）来自俄罗斯和希腊的一组科学家发现，在使用复杂的脉冲神经网络架构解决人工智能当前问题时，使用基于忆阻器的局部学习规则具有新的前景。
罗巴切夫斯基大学的科学家与库尔恰托夫研究所国家研究中心（莫斯科）和德谟克利特国家研究中心（雅典）的同事一起致力于基于忆阻器的脉冲神经网络的硬件实现。这种网络的关键要素以及尖峰神经元是人工突触连接，它可以在学习过程中改变神经元之间的连接强度（权重）。 NIFTI UNN 开发的基于金属-氧化物-金属纳米结构的忆阻器件适用于此目的，但它们在库尔恰托夫研究所开发的特定脉冲神经网络架构中的使用需要演示生物学上合理的学习原理。
神经系统学习的生物学机制由赫布规则描述，根据该规则，学习是由于同时活动的神经元之间的连接强度（突触权重）增加而发生的，这表明存在因果关系。其激发的影响关系。这一基本规则的改进形式之一是尖峰时序相关可塑性 (STDP)。
根据 STDP，如果突触后神经元在突触前神经元之后立即生成脉冲（尖峰），则突触权重会增加；反之亦然，如果突触后神经元在突触前神经元之前立即生成脉冲，则突触权重会减少。此外，突触前和突触后尖峰之间的时间 Δt 差异越小，体重变化就越强烈。
一篇基于该工作成果的文章最近发表在《微电子工程》杂志上（https://doi.org/10.1016/j.mee.2019.110988）。