Nat. Commun. 速递：具有内禀可变性的动态忆阻器中的生成复杂网络

关键词：复杂网络，人工智能，人工神经网络，小世界特性

论文标题：Generative complex networks within a dynamic memristor with intrinsic variability

论文来源：Nature Communications

斑图链接：https://pattern.swarma.org/paper/a4c66ca0-6177-11ee-b6f3-0242ac17000d

原文链接：https://www.nature.com/articles/s41467-023-41921-3

人工神经网络（Artificial neural networks, ANNs）在过去的十年里取得了相当大的发展，尽管最初ANN范式的主要任务是调整固定架构网络中的连接权重，但近年来，对于将网络架构演化到创建通用人工智能的目标越来越感兴趣。与这一趋势相比，当前的ANN硬件在灵活性和效率之间存在平衡问题，两者无法同时实现。

文章报告了一种新颖的方法，用于在单个忆阻器内按需生成复杂网络，其中通过时间复用创建多个虚拟节点，通过利用具有固有周期间变异性的器件动态生成非平凡的拓扑特性，如小世界性。

图1 动态忆阻器的电特性

当用于储备计算时，忆阻性复杂网络可以在内存容量方面实现显著增加，并且与作为完全连接网络的传统储备相比，性能提升值得注意。利用新兴的膜电阻器器件的动态特性和其内在随机性动态来按需生成的PBAONC（probabilistic border and all-or-none connection）复杂网络的潜力巨大，这与连接主义人工智能领域中朝着演化神经网络的体系结构或拓扑的趋势相呼应。