这是第一次，我的同事和我建立了一个单一的电子设备是能够复制神经细胞的功能在大脑。然后，我们将其中的20个连接在一起以执行复杂的计算。这项工作表明，科学地制造一台不依赖晶体管进行计算并且比今天的数据中心使用更少的电能的先进计算机是可能的。
我的研究始于2004年，当时有两个问题。我们是否可以构建单个电子元件来执行大脑中神经元的大多数已知功能？如果是这样，我们可以将其用作构建有用计算机的基础吗？
神经元的微调非常精细，模仿它们的电子元素也是如此。我在2013年与他人合着了一篇研究论文，原则上列出了需要做的事情。我的同事SuhasKumar和其他人经过五年的认真探索，才获得了正确的材料组成和结构，以产生理论上预测的必要性能。
然后，Kumar迈出了重要的一步，并建立了一个电路，其中有20个这样的元件通过设备网络相互连接，这些设备可以编程为具有特定的电容或存储电荷的能力。然后，他将一个数学问题映射到网络中的电容，这使他能够使用该设备找到小范围的问题的解决方案，该问题在广泛的现代分析中很重要。
我们使用的简单示例是通过比较病的遗传信息来查看病家族中可能发生的突变。
为什么重要
计算机的性能正在迅速达到极限，因为集成电路中最小的晶体管的尺寸现在接近20个原子宽。决定晶体管行为的任何更小的物理原理都不再适用。竞争激烈，看是否有人可以制造出更好的晶体管，一种堆叠晶体管的方法或其他可以执行目前需要数千个晶体管的任务的设备。
此任务之所以重要，是因为人们已经习惯了过去40年中计算能力和效率的指数级提高，并且许多业务模型和我们的经济都建立在这一期望之上。工程师和计算机科学家现在已经建造了可以收集大量数据的机器，这是从中提炼出最有价值的商品信息的矿石。每年的数据量几乎翻倍，这已经超过了当今计算机分析数据的能力。
该领域正在做哪些其他研究
关于神经元功能的基本理论最早是由AlanHodgkin和AndrewHuxley于70年前提出的，至今仍在使用。这是非常复杂且很难在计算机上进行模拟的，直到最近才由LeonChua重新分析并将其应用于现代非线性动力学理论的数学中。
我受到这项工作的启发，过去10年中的大部分时间都在学习必要的数学知识，并弄清楚如何构建一个真正的电子设备，该设备可以如理论所预期的那样工作。
世界各地有许多研究团队采用不同的方法来构建类似大脑或神经形态的计算机芯片。
下一步是什么
现在的技术挑战是将我们的原理验证演示扩展到可以与当今的数字巨兽竞争的产品。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。