本周发表在权威的同行评审期刊《科学进展》(Science Advances)上的这篇论文证明,芯片上的信号与通过大脑神经元网络的信号非常相似。这对制造新型计算机很重要,因为大脑非常擅长用很少的能量处理信息。类脑计算可以实现“边缘计算”,解决计算机不断增加的能耗问题。它还将显著减少与谷歌和Facebook等公司共享的数据量,并减少计算产生的全球碳排放。
这种芯片基于纳米粒子的自组织——利用物理原理在难以想象的小尺度上(比人类头发的厚度还小10万倍)构建类似大脑的网络。
这种新芯片的成分是原子水平的,非常小,用肉眼或传统显微镜都看不见,只能用电子显微镜才能看到。
“研究表明,这种芯片确实能模拟大脑的信号行为。我们对芯片上的电压脉冲雪崩或级联雪崩在多大程度上复制了大脑中观察到的“动作电位”雪崩感到惊讶。这些信号将指令从一个‘神经元’传递到另一个神经元,因此复制它们是制造具有类似大脑功能的计算机芯片的重要一步,”布朗教授说。
“这些芯片可能会提供一种不同的人工智能。通过了解基本的物理过程,我们相信我们可以设计这些芯片,并控制它们的行为来进行模式或图像识别。“关键是芯片上的处理和低功耗打开了目前不可能的新应用。”
芯片模式识别技术的潜在应用可以在手机、机器人、自动驾驶汽车和生物医学设备的视网膜扫描中找到。该团队意识到人工智能的问题,并与社会科学家合作,了解与研究相关的伦理考虑。通过允许手机进行更多的数据处理,这项技术可能会绕过与Facebook和谷歌等大公司共享数据的顾虑。
自组织纳米网络中的雪崩和临界是由博士生Josh Mallinson、Shota Shirai和Edoardo Galli以及博士后Susant Acharya和Saurabh Bose共同撰写的。研究表明,这种芯片是基于纳米粒子的自组织——利用物理原理,在难以想象的小尺度上(比人类头发的厚度小10万倍)构建类似大脑的网络。
(转载:www.idcew.com)