机构名称：
¥ 1.0
人工智能（AI）长期以来一直是迷人的主题，在巨大的诺言和不可避免的幻灭之间振荡。尽管在复杂游戏中的AI表现优于人类冠军，但表明我们进入了一个新的计算时代，但更深入的外观表明，这些突破的成本很高 - 需要大量的精力和昂贵，昂贵的培训过程。在认知，决策和智力等领域，即使我们最先进的计算机也远远远远低于大脑无与伦比的效率和紧凑的设计。这一挑战的核心在于传统电路元素和计算体系结构的局限性，这些元素难以复制大脑在混乱边缘运行的大脑复杂的非线性动力学。在本次研讨会中，我将引入一类新的分子电路元素，旨在捕获模仿纳米级的大脑样行为的复杂，可重构逻辑。这些设备可以作为模拟或数字元素操作，也可以在不稳定的边缘固定，从而以传统计算硬件无法使用的方式效仿神经功能的独特潜力。我们的旅程从其基础物理和化学探索这些分子系统，一直到集成电路设计和片上应用程序[1-7]，目的是为AI和机器学习平台奠定基础，以超越摩尔定律的局限性并导致一个新的能量计算时代。参考文献：[1] Sharma，D.，Rath，S.P.，Kundu，B.，Korkmaz，A.，Thompson，D.，Bhat，N.，Goswami，S.，Williams，R.S。和Goswami，s。线性对称自我选择14位动力学分子回忆录。自然633，560–566（2024）。[2] Sreebrata Goswami，Williams，R。Stanley和Sreetosh Goswami。“用分子材料进行计算的潜力和挑战”。自然材料（2024）：1-11。[3] Rath，S。P.，Deepak，Goswami，S.，Williams，R。S.，＆Goswami，S。使用分子备忘录的能量和空间有效的平行加法。高级材料（2023），2206128。[4] Rath，Santi Prasad，Thompson，Damien，Goswami，Sreebrata和Goswami，Sreetosh。“在回忆录中的许多身体分子相互作用。”高级材料（2023）：2204551。[5] Goswami，Sreetosh等。“分子回忆录中的决策树”。自然597.7874（2021）：51-56。[6] Goswami，Sreetosh等。“使用可加工的金属配位的偶氮芳烃的强大电阻存储器。”自然材料16.12（2017）：1216-1224。[7] Goswami，Sreetosh等。“电荷不成比例的分子氧化还原，用于离散的回忆和成年开关。”自然纳米技术15.5（2020）：380-389。
人工智能的分子神经形成块
主要关键词
相关文件推荐
