许多研究机构希望在不需要太多能量的情况下，同时学习和记忆大量的信息。

芯片采购网专注于整合国内外授权IC代理商现货资源，芯片库存实时查询，行业价格合理，采购方便IC芯片，国内专业芯片采购平台。

在人类的大脑中，学习是由神经元之间连接（突触）的增强和减弱引起的。深度神经网络一直采用模拟机器学习的策略。

麻省理工学院最近开发了一种由无机材料制成的电阻器，大大提高了人工模拟突触的运行速度，Semtech代理比以前的版本快100万倍，也比人脑突触快100万倍。

这些可编程电阻器不仅提高了神经网络训练的速度，而且降低了训练所需的成本和能量，帮助科学家更快地开发深度学习模型。

该技术的关键要素是质子可编程电阻器，它们以纳米为单位排列成阵列，就像棋盘一样。

研究人员使用无机磷硅玻璃（PSG）可编程质子电阻器的电解质材料，PSG能够实现超快质子运动，还能承受非常强的脉冲电场。只要给它施加更大的电压，质子的移动速度就会翻倍。

本研究是电阻存储器件的重大突破。现在研究人员已经证明了这些可编程电阻器的有效性，后续研究人员将重新设计并大规模生产，应用于自动驾驶汽车、安全检测或医学图像分析等领域。