磁鐵可以幫助人工智能更接近人腦效率

近日，普渡大學(Purdue University)的研究人員開發了一種方法，利用具有類似大腦網絡的磁學來編程和教授設備，從而更好地描述不同的物體。

普渡大學的研究人員和腦靈感計算專家認為，提高人工智能效率的部分答案可能在磁鐵中找到。研究人員已經開發出一種方法，利用具有類似大腦網絡的磁學，對個人機器人、自動駕駛汽車和無人機等設備進行編程和教學，以便更好地描述不同的物體。

普渡大學的愛德華G蒂德曼Jr.電氣和計算機工程杰出教授考希克羅伊(Kaushik Roy)表示：“我們的隨機神經網絡試圖模擬人類大腦的某些活動，并通過神經元和突觸的連接進行計算，這使得計算機大腦不僅能存儲信息，還能很好地識別物體，然后做出推斷，更好地區分物體。”

羅伊在本月早些時候于德國舉行的年度德國物理科學會議上展示了這項技術。這項研究也發表在《神經科學前沿》雜志上。

納米磁鐵的開關動力學與神經元的電動力學相似。磁性隧道結器件具有開關特性，具有隨機性。

隨機切換行為是神經元乙狀體切換行為的代表。這樣的磁性隧道連接也可以用來存儲突觸的重量。

普渡大學的研究小組提出了一種新的突觸隨機訓練算法，該算法使用了在大鼠海馬中實驗觀察到的脈沖時間依賴性可塑性(STDP)。在學習不同對象表示方法的基礎上，利用磁體固有的隨機特性隨機切換磁化狀態。

訓練好的突觸權值，在納米磁鐵的磁化狀態下確定編碼，然后在推理過程中使用。有利的是，使用高能勢壘磁鐵(30-40KT，其中K為玻爾茲曼常數，T為工作溫度)不僅允許緊湊的隨機原語，而且使相同的設備能夠作為穩定的內存元素使用，滿足數據保持的要求。然而，為了提高能量效率，用于進行乙狀結腸樣神經元計算的納米磁體的勢壘高度可以降低到20KT。

“我們開發的磁鐵技術的一大優勢是它非常節能，”羅伊說，他領導著普渡大學的腦靈感計算中心，使自主智能成為可能。“我們創造了一個更簡單的網絡，它代表神經元和突觸，同時壓縮執行類似大腦計算功能所需的記憶和能量。”

羅伊說，類似大腦的網絡在解決難題方面還有其他用途，包括組合優化問題，如旅行商問題和圖著色。提出的隨機器件可以作為“自然退火器”，幫助算法擺脫局部極小值。

他們的工作與普渡大學的巨大飛躍慶祝活動相一致，作為普渡大學150周年紀念活動的一部分，他們承認該大學在人工智能方面的全球進步。這是為期一年的普渡大學創意節的四個主題之一，旨在展示普渡大學作為一個解決現實世界問題的智力中心。

Roy與普渡大學研究基金會技術商業化辦公室合作，研究專利技術，為C-BRIC的一些研究提供基矗他們正在尋找合作伙伴來授權這項技術。