“组织学习”模仿人类思维的某些方面
一种新的计算技术被称为“organismoids模仿人类思维的某些方面学习如何忘记那些不重要的记忆而保留更重要的。
“人类的大脑能够持续终身学习,说:” ;Kaushik Roy,普渡大学的爱德华·G·过程Jr.杰出的电气和计算机工程教授。这部分是通过忘记一些不重要的信息来完成的。我学的很慢,但我总是忘记沿途的其他事情,所以我发现旧事物的准确性有一种优雅的退化。我们试图做的是模仿大脑在一定程度上的行为,创造出不仅学习新信息,而且学会忘记什么的计算机。SMT贴片加工
这个队是由来自Purdue,罗格斯大学,麻省理工学院的研究人员,布鲁克海文国家实验室和阿贡国家实验室。
该研究中心是一个陶瓷“量子材料”之称的镍钐,这是用来创建设备称为organismoids,说 ;Shriram Ramanathan,Purdue大学材料工程教授。
罗伊说:“这些设备具有生物的某些特性,使我们能够学习模仿人脑某些方面的新的学习算法。”。这一结果对量子材料和脑计算领域有着深远的影响。
发表在《自然通讯》杂志上的一篇论文中详细描述了这一发现。
当暴露于氢气时,材料发生巨大的电阻变化,因为它的晶格被氢原子“掺杂”。当氢被移除时,这种物质被称为呼吸,膨胀,当氢被加入和收缩时。
“关于材料的主要的事情是,当这个呼吸氢有一个壮观的量子力学效应使电阻的数量级的变化,”Ramanathan说。“这是非常不寻常的,而且效果是可逆的,因为这种掺杂剂可以弱附着在晶格上,所以如果你从环境中除去氢气,你可以改变电阻。”
研究论文的共同作者包括普度大学的博士后研究生Priyadarshini Panda左和风扇。在摘要中有完整的合著者名单。
当氢接触到物质时,它分裂成质子和电子,电子附着在镍上,暂时使材料成为绝缘体。
 ;然后,当氢气出来,这种材料成为导电了,”Ramanathan说。“我们在本文中展示的是传导和绝缘的程度,可以非常仔细地调整。”
这种变化的电导和“电导随着时间的衰减”类似于一种叫做习惯性的关键动物行为。
罗伊说:“许多动物,甚至没有大脑的生物体都拥有这种基本的生存技能。”。“这就是为什么我们称这个有机体的行为。如果我看到定期对某些信息,我会习惯,保留对它的记忆。但是如果我很久没有看到这样的信息,它就会慢慢地开始衰退。因此,以指数的方式上下电导的行为可以用来创建一种新的计算模型,逐步学习,同时以适当的方式遗忘事物。
研究人员开发了一种称为适应性突触可塑性的“神经学习模型”。
“这可能是非常重要的因为它是一个利用量子材料直接解决神经网络学习的一个主要问题的第一个例子,”Ramanathan说。
研究人员使用的organismoids对突触可塑性的新模型的实现。
“利用这一效应可以模型是在神经形态计算一个现实的问题,”罗伊说。例如,如果我已经学会了你的面部特征,我仍然可以走出去学习别人的特征而不会真正忘记你的特征。然而,计算模型很难做到这一点。当你学习你的特征时,他们会忘记原来的人的特征,这个问题叫做灾难性遗忘。
神经形态计算是不是要取代传统的通用计算机硬件,基于互补金属氧化物半导体晶体管和CMOS。相反,它有望与基于cmos的计算一起工作。而CMOS技术尤其擅长进行复杂的数学运算,神经形态计算可以执行的角色,如面部识别、推理和类似人类的决策。
罗伊的团队进行了关于塑性模型的研究工作,其他的合作者集中在如何解释电导驱动的电导变化的过程中。
这是一个多学科小组,由材料专家、电气工程专家、物理学专家和算法专家组成。
“这不是经常说,材料科学的人可以跟一个电路的人喜欢罗伊教授,拿出点有意义的事情,”Ramanathan说。
organismoids可能在自旋电子学领域的应用。传统的计算机使用和电荷的存在下在需要进行计算的二进制代码表示的1和0。自旋电子学,然而,使用“电子自旋态”代表1和0。
它可能会在电路设计中产生类似生物神经元和突触的电路,而CMOS电路是不可能的。而这将需要许多CMOS器件模拟神经元或突触,可能只需要一个单一的自旋电子器件,可能允许一个紧凑,节能技术。
在未来的工作中,研究人员可能会演示如何在集成电路中实现习惯化,而不是将材料暴露在氢气中。
研究机构与自旋电子材料中心,接口和新的架构(C-自旋),六个中心的半导体研究公司和美国国防高级研究计划局资助。
为研究经费是由美国陆军研究办公室提供,美国空军科学研究局,C-自旋,英特尔公司,并由布什学院奖学金。