美國加州大學圣塔芭芭拉分校(UCSB)的研究人員利用氧化物憶阻器(記憶電阻、Memristor)，構成了簡單卻具有學習功能的神經元網絡(Neural Network)。UCSB宣布，研究人員訓練神經元網絡學習由3×3像素構成的黑白圖像圖案，最終可以成功地識別字母表中的“z”、“v”、“n”三個字母。相關論文已發(fā)表在學術期刊《自然》(Nature)上。據UCSB介紹，這是首次利用僅由無晶體管的憶阻器構成的神經元網絡，成功完成的圖像識別。

,

UCSB試制的是由人工突觸構成的神經元網絡。人工突觸由以Al2O3/TiO2-x層為基礎的氧化物憶阻器構成。此次試制的神經元網絡是一個12×12的交叉電路(Crossbar Circuit)，是神經元網絡中最簡單的構成，被稱為“簡單感知器”(Simple Perceptron)。盡管如此，該神經元網絡仍具備采用誤差反向傳播算法(Back Propagation)的學習功能以及3×3像素的圖像分類功能，研究人員已經證實了這點。

將模擬神經元和突觸的電路集成在一起的嘗試并不少。比如，曾有企業(yè)在一枚芯片上安裝100萬個神經元和幾億個突觸，實現(xiàn)了多層的深度學習。

此次的特點是(1)采用氧化物憶阻器、(2)利用憶阻器的I-V特性為非線性這點，在未采用晶體管的情況下實現(xiàn)了模擬工作。據UCSB介紹，具備這些特點的神經元網絡電路，其集成性非常高。具體情況是，可在面積為1cm2的芯片上安裝2500萬個人工神經元和2500億條人工突觸。而且，估計單枚芯片的功耗僅為1W左右。

通過20cm見方的芯片再現(xiàn)人腦規(guī)模的神經元網絡

人的大腦估計由約100億個神經元以及約100萬億條突觸構成。采用此次的技術后，可通過約20cm見方的“芯片”，實現(xiàn)與人腦相同規(guī)模的神經元網絡。此時的功耗為400W，雖然大于人腦，但卻遠遠小于通過現(xiàn)有的計算機技術再現(xiàn)人腦信息處理能力時的功耗。