therunofsummer
神经网络 - 或人类大脑的人工复制品 - 让科学家和工程师进行可能需要人类年龄的分析。他们可以倾注无穷无尽的数据表，并指出人们不会注意到的图像差异。
但它们确实有一个缺点：游戏中最好的神经网络使用了令人难以置信的能量来完成它们的工作。
“几年前，IBM试图在超级计算机中模拟猫的大脑活动，最终消耗了兆瓦的电力，”普渡大学研究员Abhronil Sengupta告诉他们 逆 。 “生物人类的大脑消耗得非常接近。这不是对神经网络的直接一对一比较，但它应该可以让你估计出耗电量大的计算系统是多少。“
Sengupta和普渡大学以及电气和电子工程师协会（IEEE）的计算机科学家团队提出了一种方法，让神经网络能够以更少的能量消耗，同时还能完成一项工作。他们在预印本网站arXiv上发表的一篇论文解释了他们如何从人类大脑中获取灵感并实施他们的想法，让他们的神经网络消耗的能量比传统系统少大约11倍。
他们的方法使用尖峰神经网络或SNN。与它们的对应物不同，这些计算系统更准确地模拟生物神经元。
标准神经网络由数千个节点组成，这些节点用于对呈现给它们的数据做出决策和判断。这些输出仅取决于当前呈现的内容，而SNN输出也取决于先前的刺激。 SNN中的节点仅在达到一定程度的刺激时才起作用。而不是 经常 将数据传递给其他节点时，SNN节点只传递信息 不得不.
这通常需要巨大的能源成本，因为大多数这些系统都是使用所谓的互补金属氧化物半导体技术或CMOS制造的。该技术构成了笔记本电脑中的所有芯片，并被用作神经网络的构建模块。在他们的研究中，这组研究人员抛弃了CMOS技术并构建了一个完全由忆阻器制成的SNN。
“存储电阻”的缩写，忆阻器的电阻取决于过去流过它的电荷量。因此，与CMOS技术不同，它能够“记住”之前通过它的内容，这正是SNN中的节点需要做的事情。
研究结果表明，忆阻器很好地模仿了生物神经元。它们使用尖峰或短时间的能量相互通信，而不是持续不断的动力。与其CMOS对应物相比，这种忆阻器-SNN在用于图像分类时的准确度略有下降，但它只需要功率标准神经网络的一小部分。
在这项研究之前，SNN是我们所拥有的最接近人造人脑的东西，但他们使用的大量电力消除了他们的一些好处。如果其他科学家能够复制这些节能神经网络，它可以让他们用更少的能量做更多的事情，让他们更接近理解如何复制生物大脑。