为了解决难题或玩游戏，人工智能可能需要在数千台计算机上运行的软件。那可能是三个核电厂在一小时内产生的能量。
一组工程师创建了可以使用当前在软件平台上运行的AI来学习技能的硬件。在硬件和软件之间共享情报功能将抵消在更高级的应用程序(如自动驾驶汽车或发现毒品)中使用AI所需的能量。
材料学教授Shriram Ramanathan表示：“软件正在承担AI中的大多数挑战。如果您除了将软件中发生的事情整合到电路组件中，还可以将智能整合到电路组件中，那么您今天可以做的事情根本无法完成。”普渡大学的工程学。
AI硬件开发仍处于早期研究阶段。研究人员已经在潜在的硬件中展示了AI，但尚未解决AI的巨大能源需求。
Ramanathan说，随着AI渗透到日常生活中的越来越多，对具有大量能源需求的软件的严重依赖已无法持续。如果硬件和软件可以共享智能功能，那么在给定的能量输入下，一块硅片可能能够实现更多目标。
Ramanathan的团队率先在室温下的一种潜在硬件中演示了人造的“树状”内存。过去，研究人员只能在对于电子设备而言太低的温度下在硬件中观察到这种存储器。
这项研究的结果发表在《自然通讯》杂志 上。
Ramanathan团队开发的硬件由所谓的量子材料制成。这些材料因具有无法由经典物理学解释的特性而闻名。Ramanathan的实验室一直在努力更好地理解这些材料以及如何将其用于解决电子学中的问题。
软件使用树状内存将信息组织到各种“分支”中，从而在学习新技能或任务时更易于检索该信息。
该策略的灵感来自人脑如何对信息进行分类和做出决策。
莉莲·吉尔布雷斯(Lillian Gilbreth)博士后研究员张海天说：“人类以树的类别来记住事物。例如，我们将'苹果'(apple)归为'水果'类别，'大象'为'动物'类别。在普渡大学工程学院。“模仿硬件中的这些功能对于灵感来自大脑的计算具有潜在的吸引力。”
该团队将质子引入了一种称为氧化钕镍的量子材料。他们发现向材料施加电脉冲会在质子周围移动。质子的每个新位置都会创建一个不同的阻力状态，这会创建一个称为存储状态的信息存储位置。多个电脉冲创建了一个由存储状态组成的分支。
Ramanathan说：“通过利用量子力学效应，我们可以在材料中建立成千上万个记忆状态。材料保持不变。我们只是在质子周围打乱。”
通过对在该材料中发现的特性进行仿真，该团队证明该材料能够学习数字0到9。学习数字的能力是人工智能的基础测试。
这些材料在室温下在材料中的演示是朝着表明硬件可以从软件分担任务的方向迈出的一步。
Ramanathan说：“这一发现为AI开辟了新的领域，但由于在电子硬件中实现这种智能尚不存在，因此被人们忽略了。”
该材料还可以帮助创造一种人类更自然地与AI交流的方式。
张说：“质子也是人类的自然信息传递者。通过质子传递而实现的设备可能是最终实现与生物体直接通信的关键组件，例如通过大脑植入物。”
