來自Politecnico di Milano的研究小組開發(fā)了一種新的計算電路，該電路可以在一次操作中執(zhí)行高級操作，這是人工智能神經網絡的典型操作。

就速度和能耗而言，電路性能為新一代人工智能計算加速器鋪平了道路，這些加速器在全球范圍內具有更高的能源效率和更可持續(xù)的發(fā)展。這項研究最近發(fā)表在著名的科學進展上。

如今，借助人工智能，在智能手機和平板電腦等最常見的電子產品上，可以識別面部或物體，或者正確地解釋單詞或音樂曲調。為此，需要對復雜的神經網絡進行適當?shù)呐嘤?，這非常有力，根據(jù)一些研究，復雜的神經網絡的培訓所產生的碳足跡可以等同于5輛汽車在其整個生命周期內的排放量周期。

為了減少訓練的時間和能量消耗，應該開發(fā)一種與傳統(tǒng)方法截然不同的電路，并且能夠更準確地模擬神經網絡的結構和生物突觸的特征。一個典型的例子是內存中計算的概念，其中像在人腦中一樣，直接在內存中處理數(shù)據(jù)。

基于這種類比，米蘭理工大學的研究小組開發(fā)了一種新型電路，該電路僅需執(zhí)行一次操作即可執(zhí)行稱為回歸的數(shù)學函數(shù)。為此，他們使用電阻式存儲器(也稱為憶阻器)，該器件可以存儲其電阻值中的任何數(shù)據(jù)(例如，特定時間的份額值)。通過將這些存儲元件排列在幾微米(幾分之一米)大小的陣列中，米蘭理工大學的小組已經能夠對一組數(shù)據(jù)執(zhí)行線性回歸。

此操作能夠確定最能描述數(shù)據(jù)序列的直線，例如，允許基于簡單的線性模型預測股市趨勢。邏輯回歸可以對數(shù)據(jù)庫中的數(shù)據(jù)進行分類，也已得到證明。此功能對于所謂的推薦系統(tǒng)至關重要，該系統(tǒng)是用于在線購買的重要營銷工具。