近日，密歇根大學的研究團隊設計出一種由記憶電阻制成的新型神經網絡硬件系統(儲備池計算系統)，相較于現有的硬件系統，它的效率有了明顯的提升，并且它能在對話之前預測詞匯并預測下一步輸出。

　　儲備池計算系統是一種有效改進傳統神經網絡訓練困難的計算系統，此前，有科學家曾用光學元件制作了儲備池計算系統，不過，此次電氣工程和計算機科學教授盧偉(音譯)及其團隊使用記憶電阻構造的新系統所需空間更小，也更容易集成到現有的硅基電子設備。

　　記憶電阻，又稱憶阻器，與普通的電阻不同，它的電阻值由流經它的電荷確定。因此，通過測出記憶電阻的阻值，便可知道流經它的電荷量，從而有記憶電荷的作用。在這項最新的研究中，研究團隊使用的是一種特殊的記憶電阻。對此，團隊沒有過多的介紹。

　　對該新型系統的驗證，研究團隊采用的是手寫識別測試(神經網絡常用的基準)，以此來驗證儲備池計算系統的性能。結果表明，他們僅使用88個記憶電阻做節點，就可以分辨數字的手寫版本，且儲備池的精準度高達91%;而傳統神經網絡需要幾千個節點。此外，隨著時間而變化的數據，新系統也能處理。

　　實際應用中，為了訓練神經網絡完成某項任務，很多公司包括研究機構需要花費大量的時間和高昂的成本在上面。不過盧偉表示，他們通過憶阻器制造出的儲備池計算系統可避免大多數昂貴的訓練過程，也為網絡提供了記憶能力。

　　盧偉還表示，未來他將借助該技術研究語音識別和預測分析兩大領域。對此，他解釋道：“我們可以預測自然語言，所以你有時候沒有發出完整的單詞，我們也能預測出你接下來要說的是什么。”