来自澳大利亚悉尼大学和美国加州大学洛杉矶分校的一个研究团队首次证明了可通过物理神经网络实现即时学习和记忆，其研发受到大脑神经元工作方式的启发，并与之高度相似。这一成果向开发高效率、低能耗的机器智能迈出了关键一步。相关论文1日发表在《自然·通讯》杂志上。

　　纳米线网络由直径仅为十亿分之一米的细线组成，这些细线模仿出的神经网络，就像人类大脑中的神经网络一样，可用于执行特定的信息处理任务。

　　而记忆和学习任务是通过简单的算法来实现的，这些算法响应纳米线重叠处的电阻变化。这种功能被称为“电阻记忆切换”，当电输入遇到电导率变化时就会产生这种功能，类似于大脑中突触发生的情况。

　　在这项研究中，受人脑处理信息方式的启发，团队成员利用该网络成功识别了和记忆与图像相对应的电脉冲序列。记忆任务类似于记住电话号码。该网络还能用于执行基准图像识别任务，访问手写数字数据库中的图像，这是机器学习中使用的70000张小灰度图像的集合。

　　研究人员称，这种新颖方法允许纳米线神经网络即时学习和记忆，逐个样本在线提取数据，从而避免大量的内存和能源占用。

　　团队成员表示，纳米线神经网络此次展示了基准机器学习能力，在正确识别测试图像方面得分为93.4%。记忆任务涉及回忆最多八位数字的序列。对于这两项任务，数据都被传输到网络中。最重要的是，该研究不但展示了纳米线神经网络在线学习的能力，还展示了其记忆如何增强学习。

　　在这个“大脑”中，纳米线重叠的连接点其实非常重要，因为它的运作方式正类似于人类大脑突触的运作方式，这是能对电流作出反应的关键。凭借这一成果，科学家证明了人类可以操控纳米线网络“大脑”去启发学习和记忆功能，从而处理动态的流数据。不久的未来，人们也将用它实现更复杂的现实世界学习和记忆任务。