非常大规模的模仿光遗传突触用于物理储库计算.
Xinyi Han1, Zhiying Qi1, Vojtech Kundrat2,3
1Centre for Quantum Physics, Key Laboratory of Advanced Optoelectronic Quantum Architecture and Measurement, Institute of Advanced Structure Technology, Analysis & Testing Center, School of Physics, Beijing Institute of Technology, Beijing, China.
Nature communications
|January 10, 2026
概括
这项研究介绍了一种使用二硫化物纳米管的新型物理储库,以克服深度学习.
科学领域:
- 材料科学 材料科学 材料科学
- 人工智能的人工智能
- 神经科学是一个神经科学.
背景情况:
- 深度学习扩展法律引发了对能源效率和可持续性的担忧.
- 现有的人工智能 (AI) 模型需要大量的计算资源.
- 生物系统为高效计算提供了灵感.
研究的目的:
- 为AI开发一种可持续和高效的计算方法.
- 创建一个由生物大脑启发的物理水库计算系统.
- 解决当前深度学习模型的局限性.
主要方法:
- 制造一个自我组织的,亚毫米长的二硫化物纳米管集群作为一个3D物理水库.
- 描述了水库的突触密度 (10^8接口/mm^3),相当于果的大脑.
- 实现光敏感模仿性突触连接模拟光遗传学调制.
主要成果:
- 物理水库成功执行了各种任务,包括单模和多模挑战 (例如,语音到图像,医疗图像生成).
- 水库的结构模仿了生物神经网络的突触数量和密度.
- 通过模仿性突触连接在生物系统中证明了光遗传学调制的仿真.
结论:
- 这项研究介绍了一种用于节能人工智能的新型物理储计算系统.
- 开发的系统整合了缩放规律,多式联运处理和生物灵感机制的原则.
- 为下一代人工智能先进的计算架构铺平了道路.
更多相关视频
08:08Real-time Electrophysiology: Using Closed-loop Protocols to Probe Neuronal Dynamics and Beyond
Published on: June 24, 2015
12.0K
11:31Ex Vivo Optogenetic Interrogation of Long-Range Synaptic Transmission and Plasticity from Medial Prefrontal Cortex to Lateral Entorhinal Cortex
Published on: February 25, 2022
2.8K
