作者:亥姆霍兹-曾特朗·德累斯顿-罗森多夫 大脑的开关点是用磁波模拟的，这些磁波是利用微观小涡盘内的非线性过程专门产生和分割的
信用:HZDR/Sahneweia/H
舒尔海姆 神经网络是人工智能中最重要的工具之一:它们模仿人脑的运作，能够可靠地识别文本、语言和图像，仅举几例
到目前为止，它们以自适应软件的形式在传统处理器上运行，但专家们正在研究另一个概念，即“神经形态计算机”
在这种情况下，大脑的开关点——神经元——不是由软件模拟的，而是由硬件组件重建的
亥姆霍兹-曾特朗德累斯顿-罗森多夫(HZDR)的一组研究人员现在已经展示了一种新的方法来实现这种硬件——在微米大小的晶片中产生和分割目标电磁波
展望未来，这可能意味着优化任务和模式识别可以更快、更节能地完成
研究人员在《物理评论快报》杂志上发表了他们的结果
该小组的研究基于磁性材料铁镍的微小圆盘，直径只有几微米宽
一个金戒指被放置在这个圆盘的周围:当千兆赫范围内的交流电流过它时，它会发出微波，激发圆盘中所谓的自旋波
“铁镍中的电子呈现出自旋，有点像陀螺一样原地旋转，”HZDR的艾米·诺特集团“磁振子”负责人赫尔穆特·舒尔海姆解释道
“我们利用微波脉冲将电子陀螺稍微偏离轨道
“然后电子将这种干扰传递给它们各自的邻居——这导致自旋波穿过材料
信息可以以这种方式高效地传输，而不必像今天的计算机芯片那样移动电子本身
早在2019年，舒尔海姆小组就发现了一些非凡的东西:在某些情况下，磁涡流中产生的自旋波可以分成两种波，每种波的频率都有所降低
“所谓的非线性效应对此负有责任，”舒尔海姆的同事卢卡斯·科尔伯解释道
“只有当辐射的微波功率超过某个阈值时，它们才会被激活
“这种行为表明，自旋波是人工神经元的有前途的候选对象，因为它与大脑的工作方式有惊人的相似之处:这些神经元也只有在超过某个刺激阈值时才会放电
微波诱饵 然而，起初，科学家们无法非常精确地控制自旋波的分裂
科尔伯解释了原因:“当我们把微波送入圆盘时，在自旋波分裂成两个新波之前有一段时间延迟
这很难控制
“因此，研究小组必须想出一个解决这个问题的办法，他们在《物理评论快报》上描述了这个问题:除了金戒指之外，还有一个小磁条贴在磁性晶片上
一个短的微波信号在该条中产生一个自旋波，该自旋波可以与晶片中的自旋波相互作用，从而充当一种诱饵
条带中的自旋波导致晶片中的波分裂得更快
“一个非常短的额外信号就足以让分裂发生得更快，”科尔伯解释道
“这意味着我们现在可以触发这个过程并控制时间延迟
" 这也意味着，原则上，已经证明自旋波晶片适用于人工硬件神经元——它们的开关类似于大脑中的神经细胞，可以直接控制
“接下来我们要做的是用我们的自旋波神经元建立一个小网络，”赫尔穆特·舒尔海姆宣布
这个神经形态网络应该执行简单的任务，比如识别简单的模式
" 人脸识别和交通优化模式识别是人工智能的主要应用之一
例如，智能手机上的面部识别就不需要密码
为了让它工作，必须预先训练神经网络，这涉及到巨大的计算能力和大量的数据
智能手机制造商将这个网络转移到一个特殊的芯片上，然后集成到手机中
但是芯片有一个弱点
它是不适应的，所以不能识别戴面具的脸，例如
另一方面，神经形态计算机也可以处理类似这样的情况:与传统芯片相比，它的组件不是硬连线的，而是像大脑中的神经细胞一样工作
“正因为如此，神经形态计算机可以像人类一样同时处理大量数据——而且非常高效，”舒尔特黑兴奋地说
除了模式识别，这种新型计算机还可以应用于另一个与经济相关的领域:优化任务，如高精度智能手机路线规划
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
