今天小編分享的科技經驗：AI或迎革命性突破？這一材料讓類腦計算不再是夢，歡迎閲讀。
财聯社 1 月 3 日訊（編輯 黃君芝）據海外科技媒體報道，由英國倫敦大學學院和帝國理工學院的研究人員領導的一項新研究，使人類更接近一種由大腦啓發的計算形式，這種計算利用材料内在物理特性來大幅減少能源消耗。
最新研究成果已于近期發表在了《自然材料》雜志上的。該團隊使用手性（扭曲）磁鐵作為計算介質，并發現通過施加外部磁場和改變温度，可調整這些材料的物理特性以适應不同的機器學習任務。這種方法被稱為物理儲層計算。
據了解，傳統計算消耗大量電力，部分原因是它有獨立的數據存儲和處理單元，信息必須在兩者之間不斷地轉換，浪費能源并產生熱量。這對于機器學習來説是一個嚴重問題，導致訓練一個大型人工智能模型可產生數百噸二氧化碳。
而物理儲層計算旨在消除對不同内存和處理單元的需求，促進更有效的數據處理方式。除了作為傳統計算的一種更可持續的替代方案外，物理儲層計算還可以集成到現有電路中，以提供額外的節能功能。
然而迄今為止，這種計算方法的應用仍然受限，這是因為材料的物理特性可能使其在某些計算任務中表現出色，但在另一些任務中卻表現不佳。最新研究正是在這方面取得了突破。
研究人員表示，" 這項研究使人們更接近于實現物理儲存庫的全部潛力，創造出像人類大腦一樣的計算機，不僅顯著減少需要的能量，而且還可調整其計算特性，以在各種任務中最佳地執行。"
在最新研究中，該團隊使用矢量網絡分析儀來确定手性磁體在不同磁場強度和温度（從 -269 ℃到室温）下的能量吸收。
他們發現，手性磁體的不同磁相，在不同類型的計算任務中表現出色。在斯格明子（skyrmion）階段，磁化粒子以類似漩渦的方式旋轉，具有強大的記憶能力，适合預測任務。與此同時，在圓錐形階段幾乎沒有記憶，但它的非線性非常适合轉換任務和分類——例如，識别動物是貓還是狗。
然後，研究人員們設計了一種神經拟态計算架構，利用復雜的材料特性來滿足各種具有挑戰性任務的需求。目前它取得了很好的結果，展示了可直接定制神經形态計算的可能。
" 下一步是确定具有商業可行性和可擴展性的材料和設備架構。" 他們補充説。
