量子材料表現出模仿大腦功能的“非局部”行為
新的研究表明，相鄰電極之間傳遞的電刺激也會影響非相鄰電極。這一發現被稱為非局部性，是創建具有最小能量需求的類腦電腦的關鍵里程碑。
來源: ScienceDaily
我們通常認為電腦比人類更有效率。畢竟，電腦可以在一瞬間完成一個複雜的數學方程式，還可以回憶起我們一直忘記的那個演員的名字。然而，人類大腦可以快速、準確地處理複雜的資訊層，並且幾乎沒有能量輸入：只看到一次就識別一張臉，或者立即知道山和海洋之間的區別。這些簡單的人工任務需要電腦進行大量的處理和能量輸入，即便如此，也需要不同程度的準確性。
創造具有最低能量需求的類腦電腦將徹底改變現代生活的幾乎每個方面。在能源部的資助下，由加州大學聖地牙哥分校領導的全國性聯盟Quantum Materials for Energy Efficient Neuromorphic Computing（Q-MEEN-C）一直處於這項研究的最前沿。
加州大學聖地牙哥分校物理學助理教授Alex Frañó 是Q-MEEN-C的聯合主任，他認為該中心的工作是分階段進行的。在第一階段，他與加州大學名譽校長、物理學教授羅伯特·戴恩斯（Robert Dynes）以及羅格斯大學工程學教授施裡拉姆·拉馬納森（Shriram Ramanathan）密切合作。他們的團隊一起成功地找到了在量子材料中創建或模仿單個大腦元素（如神經元或突觸）特性的方法。
現在，在第二階段，發表在《納米快報》上的Q-MEEN-C的新研究表明，相鄰電極之間傳遞的電刺激也會影響非相鄰電極。這一發現被稱為非局部性，是邁向模仿大腦功能的新型設備（稱為神經形態計算）的關鍵里程碑。
“在大腦中，人們知道這些非局部相互作用經常發生作用力是很小的 ，”該論文的共同作者之一Frañó說。“這是大腦運作方式的關鍵部分，但在合成材料中複製的類似行為很少。
像現在取得成果的許多研究項目一樣，測試量子材料中的非局域性是否可能的想法是在疫情大流行期間產生的。物理實驗室空間被關閉，因此該團隊對包含多個設備的陣列進行了計算，以模仿大腦中的多個神經元和突觸。在運行這些測試時，他們發現非局部性在理論上是可能的。
當實驗室重新開放時，他們進一步完善了這個想法，並招募了加州大學聖地牙哥分校雅各斯工程學院副教授 Duygu Kuzum，他在電氣和電腦工程方面的工作幫助他們將類比變成了實際設備。
這涉及取一層鎳酸鹽薄膜 ，一種顯示豐富電子特性的“量子材料”陶瓷 ，插入氫離子，然後將金屬導體放在頂部。一根導線連接到金屬上，以便可以將電信號發送到鎳酸鹽。該信號使凝膠狀氫原子移動到某種構型，當信號被移除時，新的構型仍然存在。
“這本質上就是記憶的樣子，”弗拉尼奧說。“設備會記住你擾動了材料。現在你可以微調這些離子的去向，以創造更具導電性、更容易讓電流流過的途徑。
傳統上，創建傳輸足夠電力來為筆記型電腦等東西供電的網路需要具有連續連接點的複雜電路，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。想想蜘蛛網，在整個蜘蛛網中可以感覺到一個部分的運動。
這類似於大腦的學習方式：不是以線性方式，而是以複雜的層。每一項學習都會在大腦的多個區域建立聯繫，使我們能夠不僅區分樹木和狗，還可以區分橡樹和棕櫚樹或金毛獵犬和貴賓犬。
迄今為止，大腦執行得如此漂亮的這些模式識別任務，只能通過電腦軟體進行類比。像ChatGPT和Bard這樣的人工智慧程式使用複雜的演算法來模仿基於大腦的活動，如思考和寫作。他們做得很好。但是如果沒有相應的先進硬體來支援它，軟體在某些時候會達到極限。
Frañó渴望一場硬體革命，以與目前發生的軟體革命相提並論，並證明有可能在合成材料中重現非局部行為，科學家們又近了一步。下一步將涉及在更複雜的配置中創建具有更多電極的更複雜的陣列。
“這是我們試圖理解和模擬大腦功能的一個非常重要的一步，”Dynes說，他也是合著者。“展示一個具有非局部相互作用的系統會讓我們進一步朝著大腦思考的方向發展。當然，我們的大腦比這複雜得多，但能夠學習的物理系統必須具有高度的交互性，這是必要的第一步。我們現在可以想到空間和時間上更遠距離的相乾性。
“人們普遍認為，為了使這項技術真正開花結果，我們需要找到改進硬體的方法 – 一種可以與軟體一起執行任務的物理機器，” Frañó 說。“下一階段將是我們創造高效的機器，其物理特性是那些正在學習的機器。這將為我們提供人工智慧世界的新方法。
※版權所有，歡迎媒體聯絡我們轉載；登錄本網按讚、留言、分享，皆可獲得 OCTOVERSE 點數（8-Coin），累積後可兌換獎品，相關辦法以官網公布為準※
