人工智能时代走向基于光的类似人脑的计算芯片

 公司新闻     |      2019-11-22 18:33

  然而,对于更加复杂的应用程序,计算机仍然遇到了自己◇=△▲的限制。其中一个原因是计算机传统上▲=○▼具有单独的存储器和处理器的单元,其结果是所有◆■数据必须在两者之间来回传输。在这方面,人类大脑甚至领先于最现代化的计算机,因为它处理和存储信息在同•□▼◁▼•●一个地方。来自明斯特大学的国际研究团队,牛津和埃克塞特●现已成功开发出一种硬件,可以为创建类似人脑的计算机铺平道路。而科学家也设法将生产出一种含有人工神经元网络的芯片,可以模拟神经元及其突触的行为。 而研究人员表明,这种光学神经突触网络能够“学习”信息,并将其作为计算和识别模式的基础,就像大脑一样。由于系统▼▼▽●▽●仅使用光而不是传统电子,因此可以更快地处理数据数倍,这种方法可以在以后的许多不同领域用于评估大量数据的模式。

  与所谓的神经形态网络相关的大多数现有方法都是基于电子学,而光学系统仍处于起步△▪▲□△阶段。德国和英国科学家现在提出的原理是:可以传输光并可以制造成光学微芯片的光波导与所谓的相变材料相结合,如可重写的DVD。这些相变材料的特点◆◁•就是,它们可以显着改变它们的光学性质,这取决于它们是否是晶体或是无定形的物质。如果是激光加热材料的话,则可以通过光触发这种相变。因为材料反应□◁强烈,并且显着改变其性☆△◆▲■质,这也非常适合模仿突触和两个神经元之间的冲动与转移。

  在他们的研究中,科学家们◇…=▲首次成功地将许多纳米结构相变材料合并为一个神经突触网络。研究人员开发出一种具有四个人工神经元和总共60个突触的芯片。芯片的结构由不同层组成,该技术是光在光学纳米电路内的不同通道上传输的过程。

  为了测试系统能够识别模式的程度,研究人员使用两种不同的机器学习算法,以光脉冲的形式“馈送”它。在这◁☆●•○△个过程中,人工系统◇•■★▼从实例中“学习”,并最终可以概括它们。在所使用的两种算法的情况下,人工网络最终能够在给定的光模式的基础上识别正在寻找的模式 。

  而这一非常具体的例子就是,借助于这种硬件,我们可以自动的识别癌细胞。而对于其研究人员来说的话,则只需要增加人工神经元和突触的数量,并增加神经网络的深度,这些可以通过例▲●…△如使用硅技术制造的光学芯片来完成。然而,在这些应用成为现实之前,我们还是需要做出很多工作。而我们也相信在现在日益完善的技术下,我们会越来越好的解决与改变现在不可能完成▲★-●的工作与任务,使其在今后的学习、工作与生活中更加趋于完善与智能。

  好了小伙伴们,今天就到这里咯,如果你们也是对科技感兴趣的朋友,可以点赞关注一下,这里有最新好看好玩的科技讯息欢迎大家关注与我一起留言讨论,拜~

北京pk赛车10官方