(資料圖)
科技日報北京8月9日電 （記者張佳欣）據(jù)最新一期《納米快報》報道，美國加州大學圣迭戈分校領(lǐng)導(dǎo)的面向高能效神經(jīng)形態(tài)計算的量子材料（Q-MEEN-C）項目報告了最新研究成果：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)計算設(shè)備邁進的一個重要里程碑。
人們通常認為，計算機比人類更有效率，可瞬間完成一個復(fù)雜的數(shù)學方程式。然而，人腦可快速、準確地處理復(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算機而言卻需要大量的處理和能量輸入，而且準確率也不能保證。
創(chuàng)造出能量需求最低的類腦計算機將徹底改變現(xiàn)代生活的方方面面。此前，Q-MEEN-C團隊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，研究團隊在理解和模擬大腦功能方面又向前邁出了重要一步。他們在包含多個設(shè)備的陣列上進行計算，以模擬大腦中的多個神經(jīng)元和突觸。在進行這些測試時，他們發(fā)現(xiàn)非局部性在理論上是可能的，并在實驗室將模擬轉(zhuǎn)化為實際設(shè)備，進一步完善了該想法。
傳統(tǒng)上，要創(chuàng)建一個為筆記本電腦等設(shè)備供電的輸電網(wǎng)絡(luò)，需要具有連續(xù)接點的復(fù)雜電路，這既低效又昂貴。Q-MEEN-C的設(shè)計概念要簡單得多，因為實驗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)只能通過計算機軟件來模擬。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，但如果沒有相應(yīng)先進的硬件支持，軟件將在某一時刻達到極限。
研究團隊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，他們將找到改進硬件的方法，創(chuàng)造更高效的學習機器，這將為人工智能領(lǐng)域帶來一種新范式。
標簽：
