工程师模型为机器学习设备奠定了基础

对于可能导致突破的科学来说，这可能是一小步，华盛顿大学-圣路易斯的一名工程师已经采取步骤使用纳米晶网络进行人工智能应用。

Elijah Thimsen，能源的助理教授，环境&amp；在工程与应用科学学院化学工程；，和他的合作者开发一个模型来测试如何通过移动电子材料的现有理论。该模型可为纳米材料在机器学习装置中的应用奠定基础。SMT贴片加工

“当一个建立器件的纳米材料，他们并不总是像他们会大量的材料，”Thimsen说。其中一个显著变化的是这些电子通过物质的方式，称为电子输运机制，但人们并不清楚这种现象是如何发生的。

Thimsen和他的团队在一个不寻常的理论，每一个网络中的纳米粒子是连接到所有其他节点的节点模型，不仅邻国。同样不寻常的是流经节点的电流不一定占用节点之间的空间——它只需要通过节点本身。研究人员说，这种行为是由模型预测的，可以在纳米尺度上产生实验观察到的当前热点。

此外，研究小组还研究了另一种基于人脑和神经系统的神经网络模型。科学家们一直致力于构建新的计算机芯片来模拟这些网络，但这些芯片远不及人脑，每个节点包含多达1000亿个节点和10000个连接。

“如果我们有大量的节点——比现有的要大得多——并且有大量的连接，我们如何训练它？”“thimsen问。“我们希望这个大型网络能够执行一些有用的任务，比如模式识别任务。”

基于网络理论，thimsen提出设计一个简单的芯片最初的项目，给它特定的输入和输出的研究。

“如果我们把它作为一个神经网络，我们想看看从器件的输出取决于输入，”Thimsen说。“一旦我们能够证明这一点，我们将采取下一步，并提出一种新的设备，使我们能够训练这个系统来执行一个简单的模式识别任务。”