详细内容或原文请订阅后点击阅览
三根铝棒、超声波和......一点蜂蜜：物理学家找到了一种让 AI 学习的方法，同时消耗的能量显着减少
该设备没有单个晶体管，但它对花朵的分类比许多神经网络更准确。
来源:安全实验室新闻频道三根铝棒、超声波和......一点蜂蜜：物理学家找到了一种让 AI 学习的方法，同时消耗的能量显着减少
该设备没有单个晶体管，但它对花朵的分类比许多神经网络更准确。
神经形态计算试图使微电路更接近大脑的原理：不在存储器和处理器之间来回发送数据，而是在相同的元素中存储和处理信息。这种方法可以显着降低人工智能系统的功耗。但现代神经形态设备有一个弱点：就连接的复杂性而言，它们距离生物神经元还很远。
在大脑中，神经元通过突触连接。通过这些接触，细胞传递信号，加强或削弱联系，存储过去经历的痕迹，并根据环境改变反应。一个人类神经元可以有数千个突触，小脑中的浦肯野细胞可以接收多达 10 万个这样的输入。因此，神经元不仅仅接收一个信号，而是比较许多信号，考虑网络状态并产生针对情况调整的响应。
大多数人工神经形态设备要简单得多。通常，一种元素实际上扮演着一种人工突触的角色。为了实现活神经元的连接，必须用电线连接许多单独的组件。这种方案正在迅速增长：更多的通信线路、更高的功耗、更复杂的管理和生产。
新的工作提出了一种不同的方式：不仅使用电子设备，还使用声波。研究人员创建了一个声突触，其中的信息通过超声波的相位进行编码。相位显示波处于其振荡周期的哪个点。虽然常规数字位仅接受 0 或 1，但相位位或 phi 位可以同时表示同一物理空间内的多个参数。
你的秘密在暗网上受到喜欢。