1月26日，刊登自Science Advances雜誌上的一篇研究報告中，來自美國國家標準與技術研究所的研究人員開發出了一種以神經元為模型的超導計算晶元，相比人類大腦而言，其能夠更加高效快速地對信息進行加工處理，這或許將成為科學家們開發先進計算設備來設計模仿生物系統的一項主要基準，儘管在其商用之前還存在許多障礙，但這項研究為更多自然機器學習軟體打開了一扇大門。

如今，人工智慧軟體能夠越來越多地開始模仿人類大腦，而諸如谷歌公司的自動圖像分類和語言學習程序等演算法也能夠利用人工神經元網路來進行複雜的任務，但因為常規的計算機軟體不能被設計地運行大腦一樣的演算法，因此相比人類大腦而言，這些機器學習就需要更多的運算能力。

物理學家Michael Schneider表示，肯定會有更好的方法，因為大自然都能夠找到更好的辦法（意指人類起源），如今美國國家標準與技術研究所的研究團隊正是其中一個研究團隊，他們想通過研究開發能夠模擬人類大腦的神經形態硬體（Neuromorphic Hardware），同時研究人員希望這種神經形態硬體能夠更加有效地運行大腦樣的軟體，在常規的電子系統中，晶體管常常會以一定的間隔和精確的數量來處理信息（二進位數字0或1），但神經形態硬體則能夠從多個來源積累少量的信息，並且改變這些信息使其產生一種不同類型的信號，並在需要的時候發射一股電力，就好像神經元放電那樣，因此這種神經形態硬體則會需要更少的能量來運行。

「小心空隙」

然而這些設備如今還是無效的，尤其是在晶體管之間當其跨越間隙或突觸來傳遞信息時，因此研究者Schneider的研究團隊就利用鈮超導體製造出了神經元樣的電極，其可以在無阻力的情況下進行導電，隨後研究人員利用數千個磁性錳納米晶簇填補了超導體之間的空隙。

通過改變突觸中磁場的數量，這些納米晶簇就可以在不同方向上對齊，這就能夠在電力水平和磁性方向上促進該系統對信息進行編碼，從而就會賦予該系統比其它神經系統更為強大的計算能力，同時還不會佔據額外的物理空間。

這些突觸每秒可以放電10億次，其要比人類神經元的速度快幾個數量級，同時該系統所消耗的能量僅為生物性突觸消耗能量的萬分之一；在計算機的模擬過程中，當其傳遞到下一個電極之前，合成性的神經元就能通過最多9個來源來核對輸入信息，但當基於該技術的系統用於複雜計算之前，成千上萬個突觸就顯得非常必要了，研究人員表示，如今是否能夠擴大到這個水平還有待於進一步研究分析。

另外一個問題就是，該突觸只能在接近絕對零度的溫度下運行，同時需要用液氮來冷卻，來自曼徹斯特大學的計算機工程師Steven Furber說道，這可能就會使晶元在小型設備中變得不再實用，儘管大型數據中心可能能夠對其進行維護；但研究者Schneider表示，相比操作一個具有相當數量計算能力的傳統電子系統而言，對該設備進行冷卻或許僅需要少量的能量。

替代方法

來自加州理工學院的電氣工程師Carver Mead讚揚了這項研究，他把這項研究稱之為神經形態計算的新方法，Carver Mead說道，目前在該領域中充滿了炒作，我們很高興能夠看到質量工作能夠以客觀的方式呈現出來，他還補充道，在晶元用於真正計算之前或許還需要一段很長的時間，目前研究者們面臨著來自許多其它神經形態計算設備的激烈競爭和挑戰。

研究者Furber強調道，這種新型設備的實際應用前景非常廣闊，同時這種設備技術也非常有趣，但如今我們還不能充分了解這些生物突觸的關鍵特性，也並不知道如何更加有效地利用它們，比如，目前我們面臨著很多需要解決的問題，即當記憶形成過程中這些突觸如何重塑自己？這就使得研究人員很難在記憶存儲晶元中重新創建這個過程。

最後研究者表示，一種新型計算設備進入市場需要10年甚至更長時間，儘管神經科學家們很難理解人類的大腦，但他們非常有必要開發出儘可能多的不同的技術手段。

來源：生物谷

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！