详细内容或原文请订阅后点击阅览
微型大脑启发设备可以解决人工智能最大的能源问题
研究人员开发了一种受大脑启发的纳米电子设备，可以显着降低人工智能系统的能源需求。研究人员创造了一种新型纳米电子设备，通过从人脑的工作原理中汲取灵感，可以显着降低人工智能的能量需求。由剑桥大学领导的团队开发了 [...]
来源:SciTech日报研究人员开发了一种受大脑启发的纳米电子设备，可以显着降低人工智能系统的能源需求。
研究人员创造了一种新型纳米电子设备，从人类大脑的工作原理中汲取灵感，可以显着降低人工智能的能量需求。
由剑桥大学领导的一个团队开发了一种改良形式的氧化铪，其功能是一种高度稳定、低能量的“忆阻器”——一种旨在复制神经元如何在大脑中有效连接和通信的组件。研究结果发表在《科学进展》上。
当今的人工智能系统依赖于传统的计算机芯片，这些芯片不断在内存和处理单元之间移动数据。这种持续的数据传输消耗大量电力，随着人工智能在各行业的广泛应用，需求正在迅速增长。
以大脑为模型的神经形态计算提供了一种不同的方法。通过在同一位置结合数据存储和处理，它可以在极低的功耗下运行时减少高达 70% 的能源消耗。以这种方式构建的系统也可以更容易地适应，类似于大脑随着时间的推移学习的方式。
“能源消耗是当前人工智能硬件面临的主要挑战之一，”剑桥大学材料科学与冶金系的主要作者 Babak Bakhit 博士说。 “为了解决这个问题，您需要具有极低电流、出色稳定性、开关周期和器件之间出色的一致性以及在许多不同状态之间切换的能力的器件。”
超越传统忆阻器
如今，大多数忆阻器的工作原理是在金属氧化物材料内形成微小的导电丝。这些灯丝的行为可能难以预测，并且通常需要高电压才能运行，这限制了它们在大规模计算和数据存储中的使用。
表现和学习能力
剩余的挑战和未来的潜力
DOI：10.1126/sciadv.aec2324