发布时间:2024-12-06 03:22:35 来源: sp20241206
【总编辑圈点】
科技日报北京11月14日电 (记者张梦然)一种利用材料的内在物理特性来大幅减少能源使用的类脑计算形式,距离现实又近了一步。在《自然·材料》杂志上发表的这项新研究中,英国伦敦大学学院和伦敦帝国理工学院小组使用手性(扭曲)磁体作为计算介质,发现通过施加外部磁场和改变温度,可调整这些材料的物理特性以适应不同的机器学习任务。
传统计算消耗大量电力,部分原因是它有独立的数据存储和处理单元,信息必须在两者之间不断地转换,浪费能源并产生热量。这对于机器学习来说是一个严重问题,导致训练一个大型人工智能模型可产生数百吨二氧化碳。
而物理储层计算旨在消除对不同内存和处理单元的需求,促进更有效的数据处理方式。但这种计算方法迄今应用受限,是因为材料的物理特性可能使其在某些计算任务中表现出色,但在另一些任务中却表现不佳。而今这项研究使人们更接近于实现物理储存库的全部潜力,创造出像人类大脑一样的计算机,不仅显著减少需要的能量,而且还可调整其计算特性,以在各种任务中最佳地执行。
团队使用矢量网络分析仪来确定手性磁体在不同磁场强度和-269℃到室温范围内的温度下的能量吸收。他们发现手性磁体的不同磁相,在不同类型的计算任务中表现出色。在斯格明子阶段,磁化粒子以类似漩涡的方式旋转,具有强大的记忆能力,适合预测任务。与此同时,在圆锥形阶段几乎没有记忆,但它的非线性非常适合转换任务和分类。
团队设计了一种神经拟态计算架构,利用复杂的材料特性来满足各种具有挑战性任务的需求。目前取得了很好的结果,展示了可直接定制神经形态计算的可能。
物理储层计算,可以低功耗对时间序列信号进行高速处理,简单理解,就是一种更省资源的计算方式。计算机的一大硬伤,就是耗能。人类大脑处理如此多纷繁复杂的信息,但一天消耗的能量折算成瓦特,还不到一台普通电脑的十分之一。如何在降低能耗的同时保持优秀的计算能力?本文用手性磁体和环境调节来完成这一任务。在不同温度下,磁体表现出不同磁相,仿佛是不同的分身,能够优秀地执行不同计算任务,实现节能和算力兼得。 【编辑:陈文韬】