(資料圖片)

科技日報記者?張佳欣

據最新一期《納米快報》報道，美國加州大學圣迭戈分校領導的面向高能效神經形態(tài)計算的量子材料（Q-MEEN-C）項目報告了最新研究成果：他們發(fā)現相鄰電極之間傳遞的電刺激也會影響非相鄰電極，這被稱為非局部性。這一成果是向開發(fā)出模仿大腦功能的神經形態(tài)計算設備邁進的一個重要里程碑。

在相鄰電極之間傳遞的電刺激也會影響非相鄰電極，這被稱為非局部性。圖片來源：馬里奧·羅哈斯/加州大學圣地亞哥分校

人們通常認為，計算機比人類更有效率，可瞬間完成一個復雜的數學方程式。然而，人腦可快速、準確地處理復雜的信息，如只看一次臉就能識別是誰，或者立即知道山和海的區(qū)別，而且?guī)缀醪恍枰芰枯斎搿＿@些簡單的人類行為對計算機而言卻需要大量的處理和能量輸入，而且準確率也不能保證。

創(chuàng)造出能量需求最低的類腦計算機將徹底改變現代生活的方方面面。此前，Q-MEEN-C團隊在第一階段的研究中，成功地找到了在量子材料中創(chuàng)造或模擬單一大腦元素（如神經元或突觸）屬性的方法。

此次，研究團隊在理解和模擬大腦功能方面又向前邁出了重要一步。他們在包含多個設備的陣列上進行計算，以模擬大腦中的多個神經元和突觸。在進行這些測試時，他們發(fā)現非局部性在理論上是可能的，并在實驗室將模擬轉化為實際設備，進一步完善了該想法。

傳統上，要創(chuàng)建一個為筆記本電腦等設備供電的輸電網絡，需要具有連續(xù)接點的復雜電路，這既低效又昂貴。Q-MEEN-C的設計概念要簡單得多，因為實驗中的非局部行為意味著電路中的所有導線不必相互連接。

到目前為止，人類大腦能出色執(zhí)行的模式識別任務只能通過計算機軟件來模擬。像ChatGPT和Bard這樣的人工智能程序使用復雜的算法來模擬思考和寫作等基于大腦的活動，但如果沒有相應先進的硬件支持，軟件將在某一時刻達到極限。

研究團隊已證明在一種合成材料中復制非局部行為是可能的。下一步，他們將找到改進硬件的方法，創(chuàng)造更高效的學習機器，這將為人工智能領域帶來一種新范式。

標簽：