（文章來源：教育新聞網）

技術的飛速發展導致用于處理設備生成的大量數據的能源使用量大大增加。但是，德克薩斯大學奧斯汀分校的科克雷爾工程學院的研究人員發現了一種使新一代智能計算機更加節能的方法。

傳統上，硅芯片已經形成了為計算機供電的基礎設施的基礎。但是這項研究使用的是磁性組件而不是硅，并發現了有關磁性組件的物理特性如何降低能源成本和訓練算法要求的新信息-神經網絡可以像人類一樣思考，并且可以進行圖像和圖案識別。

“現在，訓練神經網絡的方法非常耗能，”考克雷爾學院電氣與計算機工程系的助理教授讓·安妮·恩科維亞(Jean Anne Incorvia)說。“我們的工作可以幫助減少培訓工作量和能源成本。”

研究人員的發現發表在本周的IOP納米技術上。Incorvia由第一作者和二年級研究生Can Cui領導了這項研究。Incorvia和Cui發現，隔開間隔的磁性納米線(充當人工神經元)，自然可以提高人工神經元相互競爭的能力，其中活化度最高的納米線勝出。要獲得這種效果，即所謂的“橫向抑制”，傳統上需要在計算機內部增加電路，這會增加成本并占用更多的能源和空間。

Incorvia說，他們的方法在執行相同的學習任務時，與標準反向傳播算法相比，其能量消耗降低了20到30倍。人類大腦包含神經元的方式相同，新時代的計算機具有這些整合神經細胞的人工版本。當神經元以最快的速度發射能夠阻止較慢的神經元發射時，就會發生橫向抑制。在計算中，這減少了處理數據時的能源消耗。

Incorvia解釋說，計算機的運行方式正在發生根本性的變化。一種主要趨勢是神經形態計算的概念，它實際上是在設計計算機，使其像人的大腦一樣思考。這些智能設備無需一次處理一個任務，而是可以同時分析大量數據。這些創新推動了機器學習和人工智能領域的革命，該革命近年來主導了技術領域。

這項研究的重點是兩個磁性神經元之間的相互作用以及有關多個神經元相互作用的初步結果。下一步涉及將發現應用于較大的多個神經元集，并對它們的發現進行實驗驗證。該研究由美國國家科學基金會職業獎和桑迪亞國家實驗室資助，并獲得了UT德州高級計算中心的資助。
（責任編輯：fqj）