据澳洲网12日报道，近日，澳大利亚科研人员研制纳米记忆技术取得重要进展，这对大脑仿真技术的成功研制有着重要的意义。

墨尔本皇家理工大学(RMIT)的科研人员表示，纳米记忆技术的原理与生物大脑的记忆有相似之处，而且此装置厚度仅有头发丝的1/10000，可以模仿大脑神经系统的工作原理。

首席研究员奈里(Hussein Nili)博士表示，要建立人工神经元网络，模仿生物大脑的功能和运行机理，首先要创造纳米记忆细胞。像USB这样传统的数码存储装置通过二进制的原理记忆数据，而纳米记忆细胞则利用变化状态图相似的原理;它们之间的差异好比常用照明灯开关和明暗调节器开关之间的差异。

奈里博士补充道，“你回家开灯时，会上下按开关，要么开灯要么关灯。但是，明暗调节器就没有那么简单。你可以根据喜好随意调节室内光线的多少。所以，纳米记忆和USB的不同也是类似的。”

奈里博士认为，纳米技术促进大脑仿真技术的发展，从此，仿真技术可以摆脱道德的羁绊，不需要用真人实验。“如果你能复制一个人体大脑结构，你就可以更加直接地洞悉哺乳动物或人类的脑部运行，也可以关注帕金森或老年痴呆患者脑部的紊乱状态。” 奈里博士补充道。

从长远的角度讲，纳米技术可能用于脑部损害部位的替代品制作，为医学脑部修复发展提供可行的材料;同时，研究员瓦利亚(Sumeet Walia)认为纳米记忆细胞将推动人工智能的大发展。“一旦我们可以记忆或回想过去的事情，我们就可以以此研究人工智能的存储网路元件。那么机器人和电 脑就可以像人一样思考。”

人工神经元网络

人工神经网络（artificial neural network，缩写ANN），简称神经网络（neural network，缩写NN），是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。现代神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行建模，或用来探索数据的模式。

神经网络是一种运算模型，由大量的节点（或称“神经元”，或“单元”）和之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activation function）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重（weight），这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。

它的构筑理念是受到生物（人或其他动物）神经网络功能的运作启发而产生的。人工神经网络通常是通过一个基于数学统计学类型的学习方法（Learning Method）得以优化，所以人工神经网络也是数学统计学方法的一种实际应用，通过统计学的标准数学方法我们能够得到大量的可以用函数来表达的局部结构空间，另一方面在人工智能学的人工感知领域，我们通过数学统计学的应用可以来做人工感知方面的决定问题(也就是说通过统计学的方法，人工神经网络能够类似人一样具有简单的决定能力和简单的判断能力)，这种方法比起正式的逻辑学推理演算更具有优势。