原文链接：
https://phys.org/news/2025-05-based-memory-advance-brain-closer.html
摘要：
台湾大学的研究人员开发了一种新型自旋电子记忆装置，其工作方式与人脑突触的工作方式高度相似，这标志着他们朝着更节能、更精确的人工智能系统迈出了重要一步。该装置利用“倾斜各向异性”实现了11种稳定的记忆状态，展现出卓越的可靠性，并可能成为未来神经形态计算硬件的关键。
详细内容：
- 背景与动机：
传统的记忆装置受限于二进制状态（0和1），并且通常存在不稳定性，因此不太适合类脑计算或神经形态计算。相比之下，人脑依赖于突触，而突触会随着时间的推移而增强或减弱，从而实现复杂的学习和记忆功能。 - 突破性的器件设计：
研究团队推出了三种全新的自旋电子存储器件设计，均由电流控制，无需外部磁场。其中，基于“倾斜各向异性”的器件脱颖而出，提供11种独特、稳定的存储状态，且周期间变化仅为2%1。 - 性能与可靠性：
这款多状态存储器件能够可靠地模拟生物突触如何调整其强度，这对于机器学习和人工智能至关重要。该器件的稳定性和可重复性使其非常适合可靠性至关重要的神经形态应用。 - 人工智能应用：
为了测试其实际应用，研究人员将该器件的11种存储状态映射到用于图像分类的卷积神经网络（ResNet-18）中的数字权重。通过训练后量化，他们的分类准确率高达81.51%，几乎与原始软件模型的性能相当。 - 意义：
这项进展表明，自旋电子突触可以实现比现有技术更快、更紧凑、更节能的神经形态芯片。此类芯片可以通过模拟大脑的效率和适应性，彻底改变人工智能硬件。 - 专家声明：
“我们的工作为使用纯电控制的可靠、可扩展的神经形态计算铺平了道路，”白启峰教授强调了这一进展对未来人工智能和计算系统的重要意义。
结论：
台湾大学优化的自旋电子存储器件代表着我们朝着类脑节能计算迈出了重要的一步，为下一代人工智能硬件和神经形态系统奠定了良好的基础。
发表回复