国际研究团队为神经形态计算开发新硬件
纳米器件的体系结构和工作原理
在未来，现代机器不仅要快速准确地遵循算法，而且要智能地运行，换句话说，在某种程度上类似于人类的大脑。来自多特蒙德、拉夫堡、基辅和诺丁汉的国际科学家们现在已经开发出一种受视力启发的概念，可以使未来的人工智能更加紧凑和高效。
他们建立了一个芯片上的声子-磁振子 水库 ，用于神经形态计算，最近这项研究被《 自然通讯》杂志编辑选亮点文章。
人类的感觉器官将光线或气味等信息转换成信号，然后由大脑通过无数由更多突触连接的神经元进行处理。大脑的能力训练，即转换突触，结合神经元的巨大数量，使人类能够处理非常复杂的外部信号，并迅速形成对它们的反应。
研究人员正试图用复杂的神经形态计算机系统来模拟信号传输和训练的原理，这些系统类似于人类神经系统的神经生物学结构。虽然，现代技术仍然远远没有达到可比的信息密度和效率。
旨在改善神经形态系统的方法之一是水库计算框架。在这里，输入信号被映射到一个多维空间称为水库。储层不需要训练，只需要通过一个简化的人工神经网络来加速识别。
这将大大减少计算资源和训练时间。自然水库计算的一个典型例子是人类视觉：在眼睛中， 视觉信息 是由数以亿计的视网膜光感受器进行预处理，并转化为 电信号 通过视神经传输到大脑这个过程大大减少了视觉皮层在大脑中处理的数据量。
现代计算机系统在处理数字化信号时可以模拟储存层的功能。然而，当存储计算可以通过自然物理系统直接用模拟信号进行时，就会取得根本性的突破，就像在人类视觉中一样。
来自多特蒙德、拉夫堡、基辅和诺丁汉的研究人员组成的国际团队开发了一个新的概念，使这些突破更加接近。
这一概念提出了一个以声波(声子)和 自旋波 (木兰子)为基础的储集层，它们混合在一个25×100×1立方微米的芯片中。该芯片由多模声波导，通过它可以传输许多不同的声波，这是由图案化的0.1微米厚的磁性薄膜覆盖。
对超短激光脉冲序列所传递的信息进行预处理后，再转换为传播声子-磁通波片进行识别。短波长的传播波会产生较高的信息密度，从而能够对激光在小于一个光像素的极小区域上绘制的视觉形状进行可信识别。
将物理系统作为水库的潜力是显而易见的，因为它惊人地结合了可变性和多维性。
- 发表于:
- 原文链接：https://page.om.qq.com/page/OBHI6VChuvalQzpXE9kkLWEA0
- 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号（企鹅号）传播渠道之一，根据《腾讯内容开放平台服务协议》转载发布内容。
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
