在未来，现代机器不仅应该快速准确地遵循算法，而且应该智能地运行——换句话说，以一种类似于人类大脑的方式。来自多特蒙德、拉夫堡、基辅和诺丁汉的科学家们现在开发了一个受视力启发的概念，该概念可以使未来的人工智能更加紧凑和高效
他们为神经形态计算构建了一个芯片上的声子磁共振子库，该库最近被《自然通讯》列为编辑亮点
人类的感觉器官将光或气味等信息转化为信号，大脑通过无数由更多突触连接的神经元处理这些信号。大脑的训练能力，即转换突触，再加上神经元的巨大数量，使人类能够处理非常复杂的外部信号，并迅速对其形成反应
研究人员正试图用复杂的神经形态计算机系统来模仿信号传输和训练的原理，这些系统类似于人类神经系统的神经生物学结构。然而，现代技术距离实现可比的信息密度和效率还有无限的距离
旨在改善神经形态系统的方法之一是储层计算框架。在这里，输入信号被映射到一个称为储层的多维空间中。储层不经过训练，只通过简化的人工神经网络加速识别。
这导致计算资源和训练时间的巨大减少。自然储层计算的一个典型例子是人类视觉：在眼睛中，视觉信息由数亿视网膜感光细胞进行预处理，并转化为电信号，由视神经传输到大脑。这一过程大大减少了视觉皮层在大脑中处理的数据量
现代计算机系统在处理数字化信号时可以模拟油藏函数。然而，当储层计算可以通过自然物理系统（如人类视觉）直接用模拟信号进行时，将实现根本突破
由多特蒙德、拉夫堡、基辅和诺丁汉的研究人员组成的国际团队开发了一个新颖的概念，使这些突破更加接近
这一概念表明，储层是基于混合在25x100x1立方微米芯片中的声波（声子）和自旋波（磁振子）。该芯片由多模声波导组成，许多不同的声波可以通过该多模声波导传输，并且被图案化的0.1微米厚的磁膜覆盖
超短激光脉冲序列传递的信息在识别之前通过转换为传播的声子-磁振子波包进行预处理。传播波的短波长导致高信息密度，这使得能够自信地识别激光在小于一个光像素的非常小的区域上绘制的视觉形状
Professor Alexander Balanov from Loughborough University, one of the concept's authors, states, "The potential of the physical system proposed as a reservoir was immediately obvious for us because of its amazing combination of variability and multidimensionality."
想要了解更多关于脑机接口技术的内容，请关注脑机网，我们将定期发布最新的研究成果和应用案例，让您第一时间了解脑机接口技术的最新进展。
