使用神经网络的人工智能在微电子芯片的帮助下进行数字计算。莱比锡大学的物理学家现在创建了一种神经网络，它不使用电力，而是使用所谓的活性胶体粒子。研究人员在《自然通讯》上发表的文章中描述了如何将这些微粒用作人工智能和时间序列预测的物理系统。

FrankCichos教授表示：“我们的神经网络属于物理水库计算领域，它利用物理过程的动力学，例如水面、细菌或章鱼触手模型来进行计算。”支持ScaDS.AI。

“根据我们的认识，我们使用尺寸只有几微米的合成自驱动粒子，”Cichos解释道。“我们证明这些可以用于计算，同时提出一种抑制胶体颗粒运动中干扰效应(例如噪声)影响的方法。”胶体颗粒是精细分散在其分散介质(固体、气体或液体)中的颗粒。

在他们的实验中，物理学家开发了由塑料和金纳米粒子制成的微小单元，其中一个粒子在激光驱动下绕着另一个粒子旋转。这些单元具有某些物理特性，使得它们对储层计算很有趣。

“每个单元都可以处理信息，许多单元组成了所谓的储存器。我们使用输入信号改变储存器中颗粒的旋转运动。由此产生的旋转包含计算的结果，”博士解释道。王祥尊.“像许多神经网络一样，系统需要经过训练才能执行特定的计算。”

研究人员对噪音特别感兴趣。“由于我们的系统中水中含有极小的颗粒，因此水库会受到强烈的噪音影响，类似于大脑中所有分子都会受到的噪音影响，”西科斯说。

“这种噪音，即布朗运动，严重扰乱了水库计算机的功能，通常需要非常大的水库来补救。在我们的工作中，我们发现使用水库过去的状态可以提高计算机性能，从而允许使用较小的水库对于噪声条件下的某些计算。”

Cichos补充说，这不仅为活性物质信息处理领域做出了贡献，而且还产生了一种可以通过减少噪声来优化储层计算的方法。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：