除非您在锂电池或油漆业务中,否则您可能不熟悉钴。然而根据一个新文章,它可能是一个完全新的计算机的秘密酱 - 将量子力学与大脑的内部工作结合起来。

结果不仅仅是一种具有学习能力的计算机。允许其学习的机制直接嵌入其硬件结构 - 无需额外的AI软件。计算机模型还使用神经元活动和突触的语言来模拟我们的大脑信息的信息如何,而不是我们目前的笔记本电脑中的硅基搅拌CPU。

主要诀窍依赖于钴原子的量子旋转性质。巧妙地组织成“网络”时,结果是一个“量子大脑”,可以处理数据并将其保存在同一网络结构中 - 类似于我们的大脑如何工作。总结:这是一条真正的学习机的路径。

这对AI来说是个好消息。强大,机器学习算法非常重要活力-饥饿的。虽然科技巨头具有量大的数据中心,以处理计算需求,但它效率低下并产生巨大的碳足迹。更麻烦的是,专家展望未来。手机上不能买球了吗虽然计算潜力每年增加一倍,但大半年的一半到两年来称为“摩尔定律“ - 重演观察结果表明它可能在其最后腿上。

翻译?我们迫切需要替代计算方法。

“我们基于材料的量子特性构建”量子大脑“的新想法可能是AI中未来应用的未来解决方案的基础,”领导作者亚历山大·哈特博士在荷兰尼济梅的拉丁德大学大学。

一个新的计算机

怎么能神经科学,量子力学和ai网格?

它从大脑和机器学习方法之间的相似之处始于深度学习。这里毫不奇怪,因为后者基于我们的思想。当这些算法在当前计算机上运行这些算法时,问题会出现。您可以看到,即使是最先进的计算机处理信息并将其存储在单独的结构中。CPU或GPU本身不能存储数据。这意味着数据需要在处理和存储器单元之间不断截止。对于小事而言,这不是识别图像,而是对于更大的问题,它迅速减缓了整个过程,同时增加了能量使用。

换句话说,因为AI模仿大脑,这对现代计算机具有完全外来的结构,所以存在根本的不相容性。虽然可以针对当前计算机进行优化AI算法,但是在效率方面可能会达到死胡同。

进入神经形态计算。它要求您忘记您了解的所有了解计算机设计 - 芯片,CPU,内存硬盘驱动器。相反,这种类型的新时代“计算机”点击到大脑的测井,处理和存储信息的方法 - 全部在一个地方。没有数据出血意味着更少的时间和能量消耗,为AI和地球赢得胜利。

在粗略的中风中,大脑的神经网络使用几种类型的计算。一个依赖于神经元,基于输入来确定它是否应该“火” - 这是,将数据传递给邻居。另一种方法使用突触,该突触是神经元可以使用“状态”同时传输数据并同时存储它们的程度。假设您有一个由突触连接的神经元网络,共同存储Chili配方。你了解到,添加培根和啤酒使它变得更好。突触,同时处理此新数据 - 我们称之为“学习” - 更新其状态以对新信息进行编码和存储新信息。

外带:在大脑中,数据处理,学习和记忆都发生在同一位置。

钴旋转

还在我这儿?现在,对于我们的Ménageàrois-cobalt的第三个成员。

为了解决学习硬件的问题,返回2018年,团队发现单个钴原子可能会接管神经元的作用。在这个原子水平,量子物理学的机制也发挥了一些严重的有趣结果。例如,原子可以具有多个名为“旋转“-同时。在任何时候,原子都会具有一个状态的概率,以及不同状态的另一个概率 - 类似于神经元的钻头,或者是神经元是否决定射击,或者突触将通过数据或不传递数据。在量子力学中,这种奇怪的“是猫活着或死亡”状态被称为叠加。

另一个特征是量子耦合,允许两个原子在一起,使得一个原子的量子旋转状态改变另一个类似于彼此交谈和粘合的神经元。

团队的见解是,他们可以利用这些量子属性来构建类似于神经元和大脑突触的系统。为此,他们制造了一个系统,该系统在由黑色磷制成的超导表面的顶部上覆盖多个钴原子。

然后他们测试了它们是否可以在钴“神经元之间的射击和网络。例如,是否可以将信息嵌入Atom的旋转状态?我们可以让这些原子模拟神经元射击吗?

答案是明确的。使用微小的电流,团队提出了0s和1s的系统简单二进制数据。而不是编码实际信息 - 例如图像或声音 - 这里的数据表示在编码0或1中的系统中的原子的不同概率。

接下来,团队通过小的电压变化划分原子网络,类似于我们的神经元接收的输入。微小的电气zap生成的行为与大脑的力学相似。例如,它“双敲击”系统,使得量子大脑表现出类似于神经元烧制的过程和其突触的变化。

这特别纯洁:其他神经形态计算系统 - 基于大脑的那些 - 通常关注人工神经元或人工突触。许多人是由需要严格的气温的稀有材料构成的。结合在单一材料内,钴,不仅仅是小说。它是高效,更实惠的,更容易。

与神经生物学类似,系统的“突触”也随着时间的电气输入而随时间而变化。

“当用一定电压刺激更长的时间较长的时间时,我们非常惊讶地看到突触实际改变,”Khajetoorians说。“该材料基于收到的外部刺激改编其反应。它自行了解。“

Q-脑未来?

还没有。

目前,该团队将不得不扩大系统,并证明它可以处理现实世界信息。他们还需要基于整个设置构建一台机器,显示它不仅仅是在位和碎片中,而且实际上整体起来。并且始终从定制的AI-TAINORED芯片竞争,现在由许多科技巨头进行优化。

但Quantum大脑无所谓。通过一个主要组成部分,该团队能够模仿关键脑过程 - 神经元射击,突触处理和学习 - 以原子尺度。随着量子计算的兴起,算法量身定制到机器的“距离的幽灵动作“可以进一步提高系统的效率。并行加工,我们的大脑做得很好,但树桩现代计算机,一直是Quantum Computers的科学家的延伸目标自20世纪90年代以来

对于他们的下一个追求,团队计划揭示更多的量子材料,其具有比钴更有效的不同性质。他们想挖掘为什么Quantum Brain的为什么也是如此。

“我们处于一个国家,我们可以开始将基本物理学与生物学的概念相关联,如记忆和学习,”Khajetoorians说。“然而,只有在我们理解它的工作原理 - 而且仍然是一个谜,我们将能够调整其行为并开始将其发展成为一种技术。”

尽管有未知数,但该研究在神经科学,量子计算和AI之间的Nexus开辟了一个令人兴奋的领域。“这是一个非常激动人心的时刻,”Khajetoorians说。

图像信用:拉曼oza.Pixabay.