计算机技术革命：格赖夫斯瓦尔德研究受到大脑的启发！

计算机技术革命：格赖夫斯瓦尔德研究受到大脑的启发！

格赖夫斯瓦尔德大学的物理学家正在开发一种有前途的节能计算机方法，该方法受到人脑的启发。鉴于当今计算技术面临的挑战——特别是高能耗、存储和处理单元的分离以及数据传输缓慢——有必要重新思考计算架构。由于广泛的人工智能模型和大量数据带来的不断增长的需求正在推动对基于人脑功能的神经形态概念的研究。这些方法对于实现计算机科学的可持续发展变得越来越重要，例如 格赖夫斯瓦尔德大学 报道称。

由 Tahereh Sadat Parvini 博士和 Markus Münzenberg 教授领导的研究团队正在研究可以存储和处理信息的磁隧道结 (MTJ)。该团队正在开发一种混合光电激发方案，将电流与短激光脉冲相结合。这种方法允许在 MTJ 中产生大的热电电压，从而促进类似突触的行为。

新技术的特性和应用

磁隧道接触具有三个显着的特性：首先，电压可以灵活调节，这对应于突触权重。其次，会发生自发的“尖峰”信号，类似于神经细胞之间的信息交换。第三，开发的神经形态网络在模拟中实现了 93.7% 的手写数字识别准确率。 Markus Münzenberg 教授博士强调了紧凑且节能的平台，这使得该技术注定适合未来的计算应用。此外，该技术与现有的半导体技术兼容，这使得它可以在日常设备和高性能计算机中使用。

当前计算领域的挑战，例如芯片开发和生产成本的增加以及对资源节约技术的必要关注，也得到了解决 弗劳恩霍夫研究所 主题化。神经形态计算被视为一种解决方案，因为它模仿生物大脑的工作方式。这些方法不仅提高了能源效率，还使电池供电设备上的资源密集型人工智能应用成为可能。

神经形态计算的未来前景

神经形态计算的一个关键方面是低延迟和高能效的结合，旨在帮助优化实时边缘人工智能应用。该技术可以发挥关键作用，特别是在不需要访问云系统的数据保护解决方案领域。因此，Fraunhofer IIS 启动了“神经拟态计算”项目，该项目为采用 CMOS 技术的神经拟态处理器开发算法和硬件，以便集成到终端设备中。

此外，业界正在致力于开发创新的边缘人工智能应用程序，以实现高并行处理和低延迟。英特尔、IBM 等大公司和其他研究机构正在大力投资这项技术，该技术在中期可用于机器人、医疗技术和自主系统等领域 技术时代精神 预测。

尽管英特尔的 Loihi 芯片等专门针对边缘计算应用进行了优化，但诸如高生产成本和需要开发适当软件等挑战阻碍了神经形态系统的推广。预测显示，第一批神经形态芯片可能会在 2025 年问世，但由于现有的障碍，它们无法轻易融入大众市场。

神经形态计算技术的发展由格赖夫斯瓦尔德大学推动，并得到马克斯·普朗克光科学研究所和国际伊比利亚纳米技术实验室等机构的合作支持，代表着一项重大进步，不仅可以彻底改变计算机科学，而且还将对许多其他行业产生影响。