明升官方网站:这对机器学习来说是一个严重的问题

传统计算消耗大量电力，部分原因是它有单独的数据存储和处理单元，信息必须在两者之间不断转换，浪费能量并产生热量。这对机器学习来说是一个严重的问题，通过训练一个大型人工智能模型，会产生数百吨的二氧化碳。
另一方面，物理储层计算旨在消除对不同内存和处理单元的需求，促进更高效的数据处理。但到目前为止，这种计算方法在应用上受到了限制，因为材料的物理性质可以使它在某些计算任务上表现良好，但在其他任务上表现不佳。现在，这项研究使我们更接近于实现物理存储库的全部潜力，创造出像人类大脑一样的计算机，不仅需要更少的能量，而且还可以调整其计算特性，使其在各种任务中发挥最佳作用。执行。明升官方网站
该团队使用矢量网络分析仪来确定手性磁铁在不同磁场强度和从-269°C到室温的温度下的能量吸收。他们发现手性磁铁的不同磁相在不同类型的计算任务中表现良好。在skyrmion阶段，磁化粒子以涡旋的方式旋转，具有强大的记忆能力，适合于预测任务。同时，锥体阶段几乎没有记忆，但其非线性非常适合于转换任务和分类。
该团队设计了一种神经形态计算架构，利用复杂的材料特性来满足各种挑战性任务的需求。取得了优异的结果，证明了直接裁剪神经形态计算的可能性。
物理储层计算能够以低功耗实现时间序列信号的高速处理。简单理解就是一种更节约资源的计算方法。电脑的主要缺点之一是耗能。人脑处理如此多的复杂信息，但每天消耗的能量，换算成瓦特，还不到普通计算机的十分之一。如何在保持卓越计算能力的同时减少能源消耗?本文利用手性磁体和环境调节来完成这一任务。在不同的温度下，磁体表现出不同的磁相，就像是不同的克隆体，可以出色地执行不同的计算任务，既节能又具有计算能力。