硅“神经元”可能为计算机处理器增加新的维度

发射时，神经元比等效的计算机操作消耗更多的能量。然而，耦合神经元网络可以不断地学习，感知和执行能量水平上的复杂任务，即使是最先进的处理器也无法实现这些任务。

神经元在节能方面做了什么，而现代计算机处理单元却没有？

华盛顿大学圣路易斯麦克凯维工程学院研究人员的计算机建模可能会提供答案。他们使用模拟的硅“神经元”发现，系统上的能量约束，加上神经元的固有属性必须移至最低能量配置，从而导致动态，远距离的通信协议更加健壮和比传统的计算机处理器更节能。

这项研究来自上普雷斯顿·M·格林系统与电气工程系的Clifford W. Murphy教授Shantanu Chakrabartty的实验室，上个月发表在《神经科学前沿》杂志上。

这是事半功倍的情况。

Chakrabartty实验室的博士研究生，论文的主要作者Ahana Gangopadhyay一直在研究计算机模型，以研究硅神经元的能量约束。在我们的大脑中。

像生物神经元一样，它们的硅对应物也取决于特定的电条件来激发或尖峰。这些尖峰是神经元交易所的基础，来回滑动，将信息从神经元传递到神经元。

研究人员首先研究了单个神经元的能量约束。然后一对。然后，他们增加了更多。 Chakrabartty说：“我们发现了一种将它们耦合的方法，您可以在其中使用其中的一些能量约束来创建虚拟通信渠道。”

一组神经元在共同的能量约束下运行。因此，当单个神经元出现尖峰信号时，它必然会影响可用能量-不仅会影响直接与其相连的神经元，还会影响在相同能量约束下运行的所有其他神经元。

因此，尖刺的神经元会在系统中产生扰动，从而使每个神经元“知道”其他神经元正在尖峰，正在响应等等。就像神经元都被包埋在橡胶板上一样。由尖峰引起的单个瑞波会影响所有这些。像所有物理过程一样，硅神经元系统倾向于自我优化至其最小能量状态，同时还受到网络中其他神经元的影响。

这些约束共同构成了一种辅助通信网络，可以通过动态但同步的尖峰拓扑来传递其他信息。就像橡胶片响应多个峰值而以同步节奏振动。

这种拓扑结构携带着交易所的信息，不仅传递给物理连接的神经元，而且传递给在相同能量约束下的所有神经元，包括那些没有物理连接的神经元。

在这些限制的压力下，查克拉巴蒂说：“他们学会了即时形成网络。”

这比传统的计算机处理器要有效得多。传统的计算机处理器会在线性通信过程中损失大部分能量，在传统的计算机处理器中，神经元A必须首先通过B发送信号才能与C进行通信。

Chakrabartty说，将这些硅神经元用于计算机处理器可实现最佳的效率到处理速度的折衷。它将使硬件设计人员可以创建系统来利用该二级网络，不仅可以进行线性计算，而且还可以在该峰值的二级网络上执行其他计算。

但是，紧迫的下一步是创建一个可以模拟数十亿个神经元的模拟器。然后研究人员将开始构建物理芯片的过程。

有所作为：赞助机会

故事来源：

用料 由…提供 圣路易斯华盛顿大学。最初由Brandie Jefferson撰写。注意：可以编辑内容的样式和长度。