我們一般把人腦的位細胞叫做突觸(synapses)，美國密西根大學研究人員指出，憶阻器(memristor)的功能特性是所有的電子組件中與突觸最相近的；他們最近展示單一憶阻器如何以與人腦相同的方式來學習同樣的技術。

人類的神經網絡的學習模式，能達到像是特殊算法那樣、對工程師來說都很難的程度，主要是依賴一種稱為突觸的模擬內存元素；該元素目前正被科學家用做今日超級計算機中的一種數值來進行模擬。

學習行為的發生，是由于來自人體各感官的功能探測器──像是眼睛內的邊緣傳感器，就會產生一種同步電壓突波。當同步突波發生時，負責接收的大腦突觸會透過提高其數值(也就是一種超級計算機仿真中使用的數字)來響應，而憶阻器則是以改變其電阻值的方式來響應。

研究人員示范以憶阻器來仿真人腦神經網絡的學習功能

該研究團隊領導人、密西根大學教授Wei Lu表示，憶阻器是以幾乎與大腦突觸相同的「STDP (spike timing dependent plasticity)」模式，來響應同步電壓脈沖，因此使其能夠成為超級計算機仿真的替代方案。由惠普實驗室研究人員所發表的大規模憶阻器縱橫閂網絡，可望建立一個比超級計算機更精確、快速的人腦功能仿真。


去年，美國國防部高等研究計劃局(Darpa)指派三個分別由HP、IBM與HRL Labs所率領的研究團隊，在其SyNAPSE計劃下，去研究出一種開發人腦學習要素的最佳方法；而研究成果將在明年發表原型。


HP已經在上述計劃下，研究采用憶阻器來做為突觸，其成果將在今年稍晚發表。IBM去年也宣布，已成功利用精確的超級計算機仿真貓腦；該獲獎的超級計算機算法名為“Blue Matter”最終將轉到硬件端，利用諸如密西根大學所研發的電子突觸來運行。


“貓腦的模擬是一個較現實可行的目標，因為其功能比人腦要簡單許多；但要仿制其復雜性與效益，仍然是非常困難的工作。”Lu表示；其研究團隊的目標是制作出某一天能在性能上媲美超級計算機的憶阻器設備，但機器的外型尺寸僅有兩公升的汽水寶特瓶那么大。