Maschinelles Lernen durch künstliche Synapsen verbessert
Dieses Team hat nun eine künstliche Synapse entwickelt, die in der Lage ist, autonom zu lernen. Es handelt sich dabei um ein Nanobauelement mit einer Beschichtung aus ferroelektrischem Material [1] zwischen zwei Elektroden. Durch elektrische Impulse, die denen in den Nervenzellen ähnlich sind, kann der Widerstand der künstlichen Synapse angepasst sein: Ein schwacher Widerstand entspricht einer starken synaptischen Verbindung und ein starker Widerstand einer schwachen Verbindung. Diese Fähigkeit der Synapse sich dem Widerstand anzupassen, ermöglicht das Lernen.
Diese Entdeckung ebnet den Weg für die Entwicklung eines Netzwerks von künstlichen Synapsen und von darauf basierenden intelligenten, zeit- und energiesparenden Systemen.
[1] Ein ferroelektrisches Material kann bei Anlegen eines äußeren elektrischen Feldes spontan seine Polarisation ändern.
Kontakt: Vincent Garcia, Forscher beim CNRS, Tel.: +33 1 69 41 58 59, E-Mail: vincent.garcia@cnrs-thales.fr
Originalpublikation: “Learning through ferroelectric domain dynamics in solid-state synapses”, Sören Boyn, Julie Grollier, Gwendal Lecerf, Bin Xu, Nicolas Locatelli, Stéphane Fusil, Stéphanie Girod, Cécile Carrétéro, Karin Garcia, Stéphane Xavier, Jean Tomas, Laurent Bellaiche, Manuel Bibes, Agnès Barthélémy, Sylvain Saïghi, Vincent Garcia. Nature communications, 3. April 2017. DOI : 10.1038/NCOMMS14736 – http://www.nature.com/articles/ncomms14736
Quelle: “Des synapses électroniques capables d’apprendre : vers un cerveau artificiel ?”, Pressemitteilung des CNRS, 03.04.2017 – http://www2.cnrs.fr/presse/communique/4965.htm
Redakteur: Aurélien Gaufrès, aurelien.gaufres@diplomatie.gouv.fr