研究人員設計了創新分子，準備透過模仿人腦的處理方法來改變計算。
分子技術的這一飛躍為人工智慧平台鋪平了道路，大大提高了運算速度和效率。透過模擬類腦過程，這些新分子為各領域的能源密集型應用提供了可擴展的解決方案，有望實現可持續和高效能運算的重大飛躍。
計算領域的革命性分子
利默里克大學的一個研究小組透過 阿聯酋 電話號碼庫 設計可以徹底改變計算的分子取得了重大發現。
加州大學伯納爾研究所的研究人員發現了在最基本的分子尺度上探測、控制和定製材料的新方法。
這項成果已用於一個由全球專家參與的國際項目，幫助創建全新類型的人工智慧硬體平台，在運算速度和能源效率方面實現前所未有的提高。
這項研究剛發表在世界領先科學期刊《自然》。
神經形態計算突破
由 UL 分子建模教授、愛爾蘭藥物研 Read more“登入滾筒廣告博客滾筒廣” 究中心 SSPC 主任 Damien Thompson 領導的 UL 團隊與印度科學研究所 (IISc) 和德克薩斯 A&M 大學的科學家進行國際合作，他們認為，這項新發現將為應對健康、能源和環境方面的社會重大挑戰帶來創新的解決方案。
湯普森教授解釋說：「設計從人腦中汲取靈感，利用原子的自然擺動來處理和儲存資訊。當分子圍繞其晶格旋轉和彈跳時，它們會創建大量單獨的記憶狀態。
「我們可以追蹤設備內部分子的路徑，並將每個快照映射到獨特的電狀態。這創造了一種分子的旅行日記，可以像傳統的矽基計算機一樣進行寫入和讀取，但這裡的能源和空間經濟性得到了極大的改善，因為每個條目都比原子小。
“這種開箱即用的解決方案可以為所有計算應用程式帶來巨大的好處，從能源消耗大的數據中心到內存密集型數字地圖和在線遊戲。”
擴大神經形態技術的視野
迄今為止，神經形態平台（一種受人腦 目錄 啟發的計算方法）僅適用於低精度操作，例如人工神經網路中的推理。這是因為包括訊號處理、神經網路訓練和自然語言處理在內的核心運算任務需要比現有神經形態電路所能提供的更高的運算解析度。
因此，實現高解析度一直是神經形態計算中最艱鉅的挑戰。
該團隊對底層運算架構的重新概念化實現了所需的高分辨率，以前所未有的每瓦每秒 4.1 兆次操作 (TOPS/W) 的能源效率執行資源密集型工作負載。
該團隊的突破將神經擬態運算擴展到利基應用之外，此舉有可能釋放人工智慧長期以來所帶來的變革性優勢，並增強從雲端到邊緣的數位電子核心。
IISc 專案負責人Sreetosh Goswami 教授表示：「透過精確控制大量可用的分子動力學狀態，我們創建了最精確的14 位元、功能齊全的神經擬態加速器，該加速器整合到電路板上，可以處理訊號處理、人工智慧和機器學習。
“最重要的是，利用加速器的高精度，我們可以在邊緣訓練神經網絡，解決人工智慧硬體中最緊迫的挑戰之一。”
隨著團隊致力於擴大用於創建平台的材料和工藝範圍並進一步提高處理能力，進一步的增強即將到來。
湯普森教授解釋說：「最終目標是用基於節能和環保材料的高性能’everyware’取代我們現在所認為的計算機，在整個環境中提供分佈式、無處不在的信息處理，並集成到從衣服到食品的日常用品中。