能夠檢測(cè)有序模式的無(wú)序網(wǎng)絡(luò)：聽(tīng)起來(lái)很矛盾，但它幾乎可以描述大腦的工作方式。特溫特大學(xué)的研究人員已經(jīng)開(kāi)發(fā)出了一種基于大腦的，基于硅技術(shù)的網(wǎng)絡(luò)，該網(wǎng)絡(luò)可以在室溫下運(yùn)行。它利用了電子設(shè)計(jì)師通常喜歡避免的材料特性。得益于“跳躍傳導(dǎo)”，該系統(tǒng)無(wú)需使用預(yù)先設(shè)計(jì)的元素即可演變?yōu)榻鉀Q方案。研究人員于2020年1月15日在《自然》雜志上發(fā)表了他們的作品。

大腦非常擅長(zhǎng)識(shí)別模式。人工智能在某些情況下可以做得更好，但這要付出代價(jià)：它需要大量的計(jì)算能力，而大腦僅消耗20瓦。

在半導(dǎo)體產(chǎn)業(yè)正在擁抱由大腦功能，如英特爾的處理器Loihi，它具有神經(jīng)元和突觸的啟發(fā)新的計(jì)算機(jī)的設(shè)計(jì)策略。但是，模仿一個(gè)神經(jīng)元需要數(shù)千個(gè)晶體管，而大腦則有數(shù)百億個(gè)神經(jīng)元。小型化是達(dá)到此規(guī)模的一種方法，但該技術(shù)已達(dá)到物理極限?，F(xiàn)在在《自然》雜志上發(fā)表的新的無(wú)序摻雜原子網(wǎng)絡(luò)是一種不同的方法：它不使用預(yù)先設(shè)計(jì)的神經(jīng)元或其他電路，而是利用材料特性來(lái)發(fā)展為一種解決方案。這種高度違反直覺(jué)的方法是節(jié)能的，并且不會(huì)占用太多的表面空間。

躍遷

在電子學(xué)中，摻雜是通過(guò)故意將雜質(zhì)以足夠高的濃度引入硅晶體中以實(shí)現(xiàn)所需效果的方式來(lái)影響晶體管性能的眾所周知的方式。在這種情況下，使用低得多的硼濃度會(huì)導(dǎo)致電路設(shè)計(jì)人員傾向于避免使用這種方案。

這正是無(wú)序網(wǎng)絡(luò)運(yùn)行的機(jī)制?，F(xiàn)在，傳導(dǎo)是通過(guò)電子從一個(gè)硼原子跳到另一個(gè)硼原子發(fā)生的：在某種程度上，這種“跳變傳導(dǎo)”與尋求與其他神經(jīng)元協(xié)作以進(jìn)行分類(lèi)的神經(jīng)元相當(dāng)。例如，網(wǎng)絡(luò)被饋送有16種基本的四位數(shù)模式。每個(gè)模式導(dǎo)致不同的輸出信號(hào)。以這16個(gè)為基礎(chǔ)，例如，可以高精度和快速地識(shí)別帶有手寫(xiě)字母的數(shù)據(jù)庫(kù)。現(xiàn)在，基本組件的直徑為300納米，具有約100個(gè)硼原子，并消耗約1微瓦的功率。

在使用這種類(lèi)型網(wǎng)絡(luò)的未來(lái)系統(tǒng)中，模式識(shí)別可以在本地完成，而無(wú)需使用遙遠(yuǎn)的計(jì)算能力。例如，在自動(dòng)駕駛中，必須基于識(shí)別來(lái)做出許多決定。這涉及強(qiáng)大的機(jī)載計(jì)算機(jī)系統(tǒng)或與云的高帶寬通信，甚至可能兩者都有。新的靈感來(lái)自大腦的方法將減少數(shù)據(jù)的傳輸，因此汽車(chē)制造行業(yè)已經(jīng)對(duì)新的UT方法感興趣。例如，這種類(lèi)型的計(jì)算稱(chēng)為“邊緣計(jì)算”也可以用于面部檢測(cè)。

論文“用硅中無(wú)序摻雜原子網(wǎng)絡(luò)分類(lèi)”發(fā)表在《自然》雜志上。在同一期中，有一篇名為“機(jī)器學(xué)習(xí)電路的演變”的相關(guān)評(píng)論。