东北大学 生物神经网络中的神经元和突触
荣誉:亚历山大·库连科夫和俊介·富卡米 东北大学的一个研究小组已经开发出了自旋电子设备，这些设备有望成为未来节能和采用的计算系统，因为它们的行为类似于人脑中的神经元和突触
今天的信息社会建立在数字计算机的基础上，半个世纪以来，数字计算机发展迅猛，能够可靠地执行复杂的任务
相比之下，人类的大脑在非常有限的能量下运行，能够使用与数字计算机截然不同的架构高效地执行复杂的任务
因此，从物理、化学、材料科学和数学，到电子和计算机科学等领域的科学家都对大脑中信息处理所激发的计算方案或硬件的开发感兴趣
在计算中，有各种方法来实现大脑对信息的处理
脉冲神经网络是一种模拟大脑结构和时间信息处理的实现方法
脉冲神经网络的成功实现需要具有人工神经元和突触的专用硬件，这些人工神经元和突触被设计成展示生物神经元和突触的动力学
使用自旋电子学的概念，神经元和突触的动力学，我
e
通过由相同材料系统制成的自旋电子器件，分别再现了漏积分-点火和尖峰时序相关的塑性
荣誉:亚历山大·库连科夫和俊介·富卡米 在这里，人工神经元和突触最好由相同的材料系统制成，并在相同的工作原理下工作
然而，由于生物神经网络中神经元和突触的本质根本不同，这一直是一个具有挑战性的问题
该研究小组包括野田英夫教授(现任大学校长)、副教授俊介·富康米、博士
亚历山大·库连科夫和堀内良彦教授利用自旋电子学技术创造了一种人工神经元和突触
自旋电子学是一个旨在同时利用电子的电(电荷)和磁(自旋)特性的学术领域
该研究小组先前已经开发了由反铁磁和铁磁材料组成的功能材料系统
这一次，他们制备了由材料系统微制造的人工神经元和突触装置，这些装置基于自旋电子学的相同概念，分别展示了生物神经元和突触的基本行为——漏积分-放电和尖峰时序依赖性可塑性
众所周知，在处理和预测时间信息方面，脉冲神经网络优于当今的人工智能
将已开发的技术扩展到单元电路、块和系统级别，有望使计算机能够用少量功率处理时变信息，例如语音和视频，或者使边缘设备能够通过使用来适应用户和环境
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
