德克薩斯大學卡克雷爾工程學院的研究人員聲稱，已經(jīng)找到了一種使下一代智能設(shè)備和計算機更加有效的方法，這些設(shè)備和計算機將依靠大數(shù)據(jù)處理。

我們對越來越智能的技術(shù)的需求不斷增長，導致能源使用量大量增加，這是處理電子設(shè)備生成的大量數(shù)據(jù)所必需的。

但是，德克薩斯州的研究人員聲稱找到了一種方法，該方法通過使用磁性部件代替計算機芯片來構(gòu)成計算機和電子設(shè)備的構(gòu)造塊，從而使“智能計算機”更加節(jié)能。

該小組的研究發(fā)表在《IOP納米技術(shù)》雜志上，提供了有關(guān)磁性組件物理如何降低能耗以及訓練大數(shù)據(jù)處理所需算法的要求的新信息。

這些都是非常耗能的，但是Cockrell團隊聲稱他們的工作可以“幫助減少與他們相關(guān)的培訓工作和能源成本”。

減少能源消耗

研究結(jié)果描述了考克雷爾學院電氣與計算機工程系的助理教授讓·安妮·Incorvia與二年級研究生Can Cui一起工作，以發(fā)現(xiàn)通過以某些方式隔開納米線自然會增加人工神經(jīng)元的能力。 互相競爭，而最活躍的競爭則排在首位。

這被稱為“側(cè)向抑制”，傳統(tǒng)上需要在計算機內(nèi)進行額外的電路連接，但是是通過隔開充當人工神經(jīng)元的空間來實現(xiàn)的。 Incorvia聲稱，該方法在執(zhí)行相同的機器學習任務時，最多可將標準反向傳播算法使用的能量減少20－30倍。

德克薩斯大學奧斯汀分校的研究人員提供的圖表顯示了他們對神經(jīng)元的操縱以最大程度地抑制橫向干擾。 圖片來源：德克薩斯大學奧斯汀分校提供

將發(fā)現(xiàn)應用于更大的多個神經(jīng)元集合

在研究論文中，Incorvia繼續(xù)說明計算機的運行方式正在“根本改變”。少數(shù)有希望的趨勢之一是神經(jīng)形態(tài)計算的概念，這是一個研究領(lǐng)域，致力于設(shè)計可以像人腦一樣思考的計算機。

他們可以同時分析大量數(shù)據(jù)，而不必一次處理一個任務，有些人認為這是人工智能和機器學習取得重大進展的關(guān)鍵。

橫向抑制是一種興奮的神經(jīng)元減少其鄰居活動的能力，是神經(jīng)形態(tài)計算中的重要功能。在人類神經(jīng)生物學中，它使動作電位在橫向方向上無法從興奮的神經(jīng)元傳播到鄰近的神經(jīng)元。

未來研究

在諸如計算機的神經(jīng)形態(tài)硬件平臺中，橫向抑制是通過外部電路來實現(xiàn)的，從而降低了能效并增加了此類系統(tǒng)的占地面積。

Incorvia的團隊希望通過調(diào)整一對相鄰的DW－MTJ神經(jīng)元之間的磁相互作用來最大化成對的磁疇壁賽道中的側(cè)向抑制來解決這些問題。這項研究的下一步涉及將發(fā)現(xiàn)應用于更多組的多個神經(jīng)元。

責任編輯：gt