磁铁可以帮助人工智能更接近人脑的效率。最近，普渡大学的研究人员开发了一种使用类似于大脑网络的磁性对设备进行编程和教学的方法，以更好地描述不同的物体。 。普渡大学的研究人员和受大脑启发的计算机专家认为，提高人工智能效率的部分答案可能来自磁铁。研究人员已经开发出一种方法，可以使用具有类似大脑网络的磁性材料对个人机器人，自动驾驶汽车和无人机等设备进行编程和教学，以更好地描述不同的物体。普渡大学（Purdue University）电气与计算机工程专业的著名教授，爱德华·蒂德曼（Edward G. Tiedman Jr.）的考施克·罗伊（Kaushik Roy）说：“我们的随机神经网络试图通过神经元和突触来模拟人脑的某些活动。这使计算机大脑不仅可以存储信息，还可以很好地识别对象，然后进行推理以更好地区分对象。”罗伊本月初在德国举行了一年一度的德国物理科学大会。该研究还发表在杂志“神经科学前沿”上。纳米磁铁的开关动力学类似于神经元的电动力学。磁性隧道结器件具有开关特性和随机性。随机切换行为代表神经元乙状结肠切换行为。这样的磁性隧道连接也可以用于存储突触的重量。普渡大学的研究团队提出了一种新的突触随机训练算法，该算法使用了在大鼠海马体中实验观察到的脉冲时间依赖性可塑性（STDP）。在学习不同的对象表示方法的基础上，利用磁体固有的随机特性来随机切换磁化状态。训练后的突触权重在纳米磁体的磁化状态下编码，然后用于推理过程。有利地，使用高能势垒磁体（30-40KT，其中K是玻尔兹曼常数，T是工作温度）不仅允许紧凑的随机基元，而且还可以使同一设备用作稳定的基元。存储元件，满足数据保留要求。但是，为了提高能源效率，可将用于S形神经元计算的纳米磁体的势垒高度减小到20KT。 “我们开发的磁体技术的一大优势是它非常节能”。罗伊说，他是普渡大学大脑灵感计算中心的负责人，该中心使自主智能成为可能。 “我们创建了一个代表神经元和突触的简单网络，同时压缩了执行类似大脑计算功能所需的内存和能量。”罗伊说，类似大脑的网络在解决问题上还有其他用途。包括组合优化问题，例如旅行商问题和图形着色。所提出的随机设备可以用作“自然退火炉”。帮助算法摆脱局部最小值。他们的工作与普渡大学（Purdue University）的伟大飞跃庆典保持一致，作为普渡大学（Purdue University）150周年庆典的一部分，他们认识到该大学在人工智能方面的全球进步。这是一年制普渡大学创意节的四个主题之一，旨在展示普渡大学作为解决现实世界问题的知识中心。罗伊（Roy）与普渡大学研究基金会技术商业化办公室合作研究了专利技术，并为C-BRIC的某些研究提供了基础。他们正在寻找可以使用该技术的合作伙伴。