新工具可用于训练人工智能的神经网络

2020-02-17 13:29:35    来源:    作者:

根据加拿大阿尔伯塔大学的最新研究,科学家为原子级制造工具包添加了至关重要的工具,这对当今数据驱动的碳密集型世界具有重要意义。

新工具可用于训练人工智能的神经网络

艾伯塔大学(University of Alberta)系教授Robert Wolkow说:“当今的计算机正在向大气排放一千兆吨的碳,我们可以通过使用原子级电路增强传统计算机中最耗电的部分来消除这种情况。” Physics是加拿大纳米技术研究中心国家研究委员会的首席研究官,以及将技术推向市场的衍生公司Quantum Silicon Inc.的首席技术官。“这种新工具可以更好地实现一种超高效的混合计算机,用于训练用于人工智能的神经网络。”

最新发现利用自然物理现象加快了原子级制造过程。氢分子可发现并自动修复原子级电路中的错误,可用于显着提高原子数据存储的重写速度。这项工作建立在Wolkow的研究小组长达数十年的奉献精神的基础上,以致力于实现原子级制造的潜力,这种想法已经从理想主义的梦想转变为未来几年内更可能的现实。

新发现的主要作者Roshan Achal说:“这将花费几年时间,但实际上有一条通往我们世界的原子级设备的真正途径。” 与Wolkow。“而且我们现在有了原子存储这种更快更好的应用,原子存储只会随着时间的推移而不断改善。”

Achal解释说,随着电子电路和存储器尺寸的增加,在原子级上移动氢分子的技术过程的效率将得到提高,这转化为更容易批量生产具有更多存储器和更快功能的低功率电子产品。

新工具可用于训练人工智能的神经网络

碳的注意事项

研究结果提出了从较小的硬盘驱动器到更高效的数据中心的潜在应用,对我们的数据驱动的气候相关世界的需求和新现实。

Wolkow和Achal是该小组最近的突破性发现背后的两个想法,其中包括创建最高的已证明的存储器存储和第一个硅原子电路。该小组迅速而安静地完善了他们的技术,该技术过去很慢,但足以用于科学实验室。这些最新的进展使该过程加速了1000倍,从而使其对于现实世界中的可伸缩应用程序更加实用。

它们与氢有关的发现的意外分支是能够检测其他分子的能力,从而在其原子级电路内提供化学感测的潜力,例如可用于检测酒精,四氢大麻酚和炸药中发现的分子。

新工具可用于训练人工智能的神经网络

Wolkow说:“现在可以电检测到一个分子降落在表面上。” “这就像发生这种情况时的灯泡在点亮。您正在检测最微小的事件。它既美观又有用。它可以将传感器集成到从手机到医生办公室的所有设备中。”

对于Achal而言,这本最新出版物是他论文的完美上限,他的论文将在下个月完成。“这份新论文是我认为是原子级制造工具包所需要的最后一部分的最终成果。现在,我们可以真正开始着手制造这些电路,并进行大规模演示了。”

论文“检测和指导H-Si(100)上的单分子结合事件及其在超致密数据存储中的应用”发表在11月27日的同行评审期刊ACS Nano上。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。