（文章來源：教育新聞網(wǎng)）

技術(shù)的飛速發(fā)展導(dǎo)致用于處理設(shè)備生成的大量數(shù)據(jù)的能源使用量大大增加。但是，德克薩斯大學(xué)奧斯汀分校的科克雷爾工程學(xué)院的研究人員發(fā)現(xiàn)了一種使新一代智能計算機更加節(jié)能的方法。

傳統(tǒng)上，硅芯片已經(jīng)形成了為計算機供電的基礎(chǔ)設(shè)施的基礎(chǔ)。但是這項研究使用的是磁性組件而不是硅，并發(fā)現(xiàn)了有關(guān)磁性組件的物理特性如何降低能源成本和訓(xùn)練算法要求的新信息-神經(jīng)網(wǎng)絡(luò)可以像人類一樣思考，并且可以進行圖像和圖案識別。

“現(xiàn)在，訓(xùn)練神經(jīng)網(wǎng)絡(luò)的方法非常耗能，”考克雷爾學(xué)院電氣與計算機工程系的助理教授讓·安妮·恩科維亞(Jean Anne Incorvia)說?！拔覀兊墓ぷ骺梢詭椭鷾p少培訓(xùn)工作量和能源成本。”

研究人員的發(fā)現(xiàn)發(fā)表在本周的IOP納米技術(shù)上。Incorvia由第一作者和二年級研究生Can Cui領(lǐng)導(dǎo)了這項研究。Incorvia和Cui發(fā)現(xiàn)，隔開間隔的磁性納米線(充當人工神經(jīng)元)，自然可以提高人工神經(jīng)元相互競爭的能力，其中活化度最高的納米線勝出。要獲得這種效果，即所謂的“橫向抑制”，傳統(tǒng)上需要在計算機內(nèi)部增加電路，這會增加成本并占用更多的能源和空間。

Incorvia說，他們的方法在執(zhí)行相同的學(xué)習(xí)任務(wù)時，與標準反向傳播算法相比，其能量消耗降低了20到30倍。人類大腦包含神經(jīng)元的方式相同，新時代的計算機具有這些整合神經(jīng)細胞的人工版本。當神經(jīng)元以最快的速度發(fā)射能夠阻止較慢的神經(jīng)元發(fā)射時，就會發(fā)生橫向抑制。在計算中，這減少了處理數(shù)據(jù)時的能源消耗。

Incorvia解釋說，計算機的運行方式正在發(fā)生根本性的變化。一種主要趨勢是神經(jīng)形態(tài)計算的概念，它實際上是在設(shè)計計算機，使其像人的大腦一樣思考。這些智能設(shè)備無需一次處理一個任務(wù)，而是可以同時分析大量數(shù)據(jù)。這些創(chuàng)新推動了機器學(xué)習(xí)和人工智能領(lǐng)域的革命，該革命近年來主導(dǎo)了技術(shù)領(lǐng)域。

這項研究的重點是兩個磁性神經(jīng)元之間的相互作用以及有關(guān)多個神經(jīng)元相互作用的初步結(jié)果。下一步涉及將發(fā)現(xiàn)應(yīng)用于較大的多個神經(jīng)元集，并對它們的發(fā)現(xiàn)進行實驗驗證。該研究由美國國家科學(xué)基金會職業(yè)獎和桑迪亞國家實驗室資助，并獲得了UT德州高級計算中心的資助。
（責(zé)任編輯：fqj）