来自英国牛津大学、ibm欧洲研究所和美国得克萨斯大学的一个科研团队宣布了一项重要成就：他们通过堆叠二维（2d）材料，开发出一种厚度仅几个原子大小的人工神经元，其能够处理光和电信号进行计算，有望用于下一代人工智能计算，也有助科学家更好地模拟和理解人脑。相关研究成果刊载于最新一期《自然·纳米技术》杂志。
几十年来，科学家们一直在研究如何重建生物神经元的计算能力，以开发更快、更节能的机器学习系统。一种很有前途的方法是使用忆阻器，但使用忆阻器复制生物神经元和大脑面临一个关键挑战：难以整合前馈和反馈神经元信号，而前馈和反馈机制巩固了人类利用奖励和错误来学习复杂任务的能力。
在最新研究中，科学家们扩展了电子忆阻器的功能，使其既能响应光信号，又能响应电信号，如此一来，前馈和反馈路径可同时存在于一个网络中。最新研究创建出性能优异的神经网络：具有解决机器学习中复杂问题潜力的计算学习程序。
研究团队解释说，二维材料只由几层原子组成，这种精细的尺度赋予其多种奇异的特性，可根据材料的分层方式对这些特性进行微调。他们堆叠石墨烯、二硫化钼和二硫化钨3种2d材料，制造出一种设备，可根据照射在其上的功率和光/电的持续时间，显示出其电导率的变化。与数字存储设备不同，这些设备是模拟的，其操作方式与人脑中的突触和神经元类似，可进行计算。
研究论文首席作者、ibm欧洲研究中心科学家加齐·萨尔瓦特·赛义德博士说，随着人工智能应用的发展呈指数级增长，所需的计算能力已超过基于传统处理器的新硬件，迫切需要研究新技术，他们的方法有望在人工智能计算领域“大显身手”。此外，这一研究也证明，神经形态工程和算法领域的重要进步，有助科学家们更好地模拟和理解大脑。
来自英国牛津大学、ibm欧洲研究所和美国得克萨斯大学的一个科研团队宣布了一项重要成就：他们通过堆叠二维（2d）材料，开发出一种厚度仅几个原子大小的人工神经元，其能够处理光和电信号进行计算，有望用于下一代人工智能计算，也有助科学家更好地模拟和理解人脑。相关研究成果刊载于最新一期《自然·纳米技术》杂志。
几十年来，科学家们一直在研究如何重建生物神经元的计算能力，以开发更快、更节能的机器学习系统。一种很有前途的方法是使用忆阻器，但使用忆阻器复制生物神经元和大脑面临一个关键挑战：难以整合前馈和反馈神经元信号，而前馈和反馈机制巩固了人类利用奖励和错误来学习复杂任务的能力。
在最新研究中，科学家们扩展了电子忆阻器的功能，使其既能响应光信号，又能响应电信号，如此一来，前馈和反馈路径可同时存在于一个网络中。最新研究创建出性能优异的神经网络：具有解决机器学习中复杂问题潜力的计算学习程序。
研究团队解释说，二维材料只由几层原子组成，这种精细的尺度赋予其多种奇异的特性，可根据材料的分层方式对这些特性进行微调。他们堆叠石墨烯、二硫化钼和二硫化钨3种2d材料，制造出一种设备，可根据照射在其上的功率和光/电的持续时间，显示出其电导率的变化。与数字存储设备不同，这些设备是模拟的，其操作方式与人脑中的突触和神经元类似，可进行计算。
研究论文首席作者、ibm欧洲研究中心科学家加齐·萨尔瓦特·赛义德博士说，随着人工智能应用的发展呈指数级增长，所需的计算能力已超过基于传统处理器的新硬件，迫切需要研究新技术，他们的方法有望在人工智能计算领域“大显身手”。此外，这一研究也证明，神经形态工程和算法领域的重要进步，有助科学家们更好地模拟和理解大脑。