向神经形态计算迈进的里程碑：量子材料表现出类脑“非局部”行为

据最新一期《纳米快报》报道，美国加州大学圣迭戈分校领导的面向高能效神经形态计算的量子材料（Q-MEEN-C）项目报告了最新研究成果：他们发现相邻电极之间传递的电刺激也会影响非相邻电极，这被称为非局部性。这一成果是向开发出模仿大脑功能的神经形态计算设备迈进的一个重要里程碑。

在相邻电极之间传递的电刺激也会影响非相邻电极，这被称为非局部性。
图片来源：马里奥·罗哈斯/加州大学圣地亚哥分校

人们通常认为，计算机比人类更有效率，可瞬间完成一个复杂的数学方程式。然而，人脑可快速、准确地处理复杂的信息，如只看一次脸就能识别是谁，或者立即知道山和海的区别，而且几乎不需要能量输入。这些简单的人类行为对计算机而言却需要大量的处理和能量输入，而且准确率也不能保证。

创造出能量需求最低的类脑计算机将彻底改变现代生活的方方面面。此前，Q-MEEN-C团队在第一阶段的研究中，成功地找到了在量子材料中创造或模拟单一大脑元素（如神经元或突触）属性的方法。

此次，研究团队在理解和模拟大脑功能方面又向前迈出了重要一步。他们在包含多个设备的阵列上进行计算，以模拟大脑中的多个神经元和突触。在进行这些测试时，他们发现非局部性在理论上是可能的，并在实验室将模拟转化为实际设备，进一步完善了该想法。

传统上，要创建一个为笔记本电脑等设备供电的输电网络，需要具有连续接点的复杂电路，这既低效又昂贵。Q-MEEN-C的设计概念要简单得多，因为实验中的非局部行为意味着电路中的所有导线不必相互连接。

到目前为止，人类大脑能出色执行的模式识别任务只能通过计算机软件来模拟。像ChatGPT和Bard这样的人工智能程序使用复杂的算法来模拟思考和写作等基于大脑的活动，但如果没有相应先进的硬件支持，软件将在某一时刻达到极限。

研究团队已证明在一种合成材料中复制非局部行为是可能的。下一步，他们将找到改进硬件的方法，创造更高效的学习机器，这将为人工智能领域带来一种新范式。

查看全文

作者最近更新