近十年以來，人工智能快速發展，機器學習的應用越來越廣泛。人類因此收集了海量的數據，對於硬件系統計算能力的要求也更高了。但現在面臨的問題是，目前這些硬件系統的計算力，並不能滿足大量的數據處理需求。
基於這一問題，近日，來自新加坡國立大學納米科學與納米技術計劃的研究人員在《自然》雜誌的納米技術專刊上發表了一篇論文，彙報了一種納米級設備的發明。這一納米材料平臺可以實現最佳的數據存儲計算，同時具有極高的能效。
更重要的是，上述研究第一次在納米級設備中打破了電子的對稱性，從而讓設備自身產生不穩定的狀態，模仿人類大腦的運作。
該項目的首席研究員Thirumalai Venky Venkatesan教授認為，現在必須從各個層面重新考慮目前的計算方法：材料、設備和體系結構。而他們研究的成果在材料和設備兩個方面進行了突破，“從根本上講，這一設備的計算能力要比現有的要高效一百萬倍。 ”他認為，現在的計算平臺難以維持未來大規模的數據處理，無法實現大規模的人工智能算法。
研究團隊的發明基於一種獨特的材料平臺。與傳統的有機電子設備不同的是，平臺具有高度的可複製性和耐用性。在材料方面，成就這一發明的關鍵分子系統，來自於印度科學培養協會Sreebrata Goswami教授的創意。
Goswami教授說，過去幾十年，他們一直在研究氧化還原活性配體分子的家族系統。基於研究出的分子系統在製造存儲設備上取得的成功，他們用新的鉗位配體重新設計出一種分子系統，可以充當電子海綿。
事實上，納米材料對於模仿人類大腦運作的研究一直非常重要。在2019年，加州大學洛杉磯分校的科學家就和日本國立材料科學研究所的研究人員共同發明了一種實驗裝置，可以模仿人類大腦的一些功能，例如學習、記憶、睡眠等，該裝置就是由纏結的納米銀線製成的。不過，新加坡國立大學團隊的研究更側重於納米設備處理信息的能力。
除此之外，此次研究的主要架構師Sreetosh Goswami博士說，這次研究的主要發現在於電荷歧化或電子對稱性的破壞。一直以來，這一現象就是物理學關注的重點，但它只能在特定條件（比如高溫、低溫或高壓環境）下發生，因此無法轉化到現實世界。此次研究成果可以讓難以捉摸的電荷歧化現象在納米級設備中發生，並且可以使用室溫下的電場對其進行調製。
最近，Sreetosh博士發現，他可以驅動這些設備自激（指不外加激勵信號而自行產生恆穩和持續的振盪），甚至會表現出純粹的不穩定和混亂的狀態。這非常接近於模仿人類大腦進行運作的過程。
他總結道，“現在，計算機科學家已經認識到，我們的大腦是現有的最節能、智能和能夠容錯的計算系統。此次發明的裝置能夠以最快的速度運行數百萬次來模仿人腦的最佳特性，這將改變我們已知的計算方式。”接下來，團隊正在努力開發可以模仿人腦功能的高效電路。
閱讀更多 牛華網 的文章
