【資料圖】
據(jù)最新一期《納米快報(bào)》報(bào)道，美國加州大學(xué)圣迭戈分校領(lǐng)導(dǎo)的面向高能效神經(jīng)形態(tài)計(jì)算的量子材料（Q-MEEN-C）項(xiàng)目報(bào)告了最新研究成果：他們發(fā)現(xiàn)相鄰電極之間傳遞的電刺激也會(huì)影響非相鄰電極，這被稱為非局部性。這一成果是向開發(fā)出模仿大腦功能的神經(jīng)形態(tài)計(jì)算設(shè)備邁進(jìn)的一個(gè)重要里程碑。
人們通常認(rèn)為，計(jì)算機(jī)比人類更有效率，可瞬間完成一個(gè)復(fù)雜的數(shù)學(xué)方程式。然而，人腦可快速、準(zhǔn)確地處理復(fù)雜的信息，如只看一次臉就能識別是誰，或者立即知道山和海的區(qū)別，而且?guī)缀醪恍枰芰枯斎搿＿@些簡單的人類行為對計(jì)算機(jī)而言卻需要大量的處理和能量輸入，而且準(zhǔn)確率也不能保證。
創(chuàng)造出能量需求最低的類腦計(jì)算機(jī)將徹底改變現(xiàn)代生活的方方面面。此前，Q-MEEN-C團(tuán)隊(duì)在第一階段的研究中，成功地找到了在量子材料中創(chuàng)造或模擬單一大腦元素（如神經(jīng)元或突觸）屬性的方法。
此次，研究團(tuán)隊(duì)在理解和模擬大腦功能方面又向前邁出了重要一步。他們在包含多個(gè)設(shè)備的陣列上進(jìn)行計(jì)算，以模擬大腦中的多個(gè)神經(jīng)元和突觸。在進(jìn)行這些測試時(shí)，他們發(fā)現(xiàn)非局部性在理論上是可能的，并在實(shí)驗(yàn)室將模擬轉(zhuǎn)化為實(shí)際設(shè)備，進(jìn)一步完善了該想法。
傳統(tǒng)上，要?jiǎng)?chuàng)建一個(gè)為筆記本電腦等設(shè)備供電的輸電網(wǎng)絡(luò)，需要具有連續(xù)接點(diǎn)的復(fù)雜電路，這既低效又昂貴。Q-MEEN-C的設(shè)計(jì)概念要簡單得多，因?yàn)閷?shí)驗(yàn)中的非局部行為意味著電路中的所有導(dǎo)線不必相互連接。
到目前為止，人類大腦能出色執(zhí)行的模式識別任務(wù)只能通過計(jì)算機(jī)軟件來模擬。像ChatGPT和Bard這樣的人工智能程序使用復(fù)雜的算法來模擬思考和寫作等基于大腦的活動(dòng)，但如果沒有相應(yīng)先進(jìn)的硬件支持，軟件將在某一時(shí)刻達(dá)到極限。
研究團(tuán)隊(duì)已證明在一種合成材料中復(fù)制非局部行為是可能的。下一步，他們將找到改進(jìn)硬件的方法，創(chuàng)造更高效的學(xué)習(xí)機(jī)器，這將為人工智能領(lǐng)域帶來一種新范式。
（文章來源：科技日報(bào)）
標(biāo)簽：
