美国南加州大学维特比工程学院的研究人员为人工智能 (AI) 和机器学习 (ML) 应用开发了一种高效且可持续的硬件设备。

　　虽然公众通常认为AI与软件有关，但美国南加州大学新兴纳米材料和设备实验室的相关研究人员正专注于通过硬件实现机器学习 (ML) 性能的改进。

　　该实验室的工作主要集中在神经形态计算或大脑启发计算（brain-inspired computing）上，它进行了一项新的研究，通过利用一种称为"随机性"的特征来引入硬件改进。他们的研究现已发表在《自然通讯》（Nature Communications）上。

　　与之前将随机性视为会对计算结果产生负面影响的看法相矛盾，新方法证明了在半导体器件中利用精细控制的随机特征可以提高性能优化。

　　在大脑中，随机性在人类思维或计算中起着重要作用。它诞生于数十亿个神经元，这些神经元响应输入刺激而产生尖峰信号，并产生大量可能相关也可能不相关的信号。

　　决策过程也许是我们的大脑如何利用随机性的最佳研究例子。它允许大脑在做出决定时从过去的经历中绕道而行，探索新的解决方案，尤其是在面临挑战和不可预测的情况时。

　　研究人员认为，神经元表现出的随机行为，可以帮助某些计算功能。该团队希望尽可能多地模拟神经元，并设计了一个电路来解决组合优化问题，这是计算机要完成的最重要的任务之一。

　　研究人员开发了一种构建模块控制工程网版权所有，用于创建可以解决复杂优化问题的计算机控制工程网版权所有，这可能会更高效。 

　　他们的想法是www.cechina.cn，为了让计算机有效地做到这一点，它们需要在处理刺激和信息以及做出决策方面表现得更像人脑（超级类固醇）。

　　简而言之，需要计算机在所有可能性中收敛到最佳解决方案。研究人员说，"在这项工作中展示的新设备中引入的随机性，可以防止它陷入不太可行的解决方案，而是继续搜索，直到找到接近最佳的结果。" 

　　这对于优化问题尤其重要，如果可以动态调整随机性特征，执行优化的机器将可以按照人们的意愿更高效地工作。

　　研究人员通过创建一种特殊的设备，即异质忆阻器（hetero-memristor）来实现这种动态"调整"。与作为常规计算机芯片内的逻辑开关的晶体管不同，新型异质忆阻器将存储器和计算结合在一起。

　　忆阻器已被开发出来，通常具有两端结构。该团队的创新在于增加了第三个电终端，可调节其电压以激活类似神经元的设备，并动态调整其输出中的随机特征，就像加热一壶水并动态调节温度以控制水分子的活性一样，从而实现所谓的模拟"冷却"。这提供了早期忆阻器所没有的控制水平。

　　研究人员说："这种方法模拟了神经元活动的随机特性。" 事实上www.cechina.cn，神经元活动被认为是随机的，但可能遵循一定的概率模式。他们开发的异质忆阻器通过设备固有随机特性的可重构调整，将这种概率控制的随机性引入到神经形态计算电路中。

　　因此，这是一个更复杂的构建块www.cechina.cn，用于创建可以解决复杂优化问题的计算机控制工程网版权所有，这可能会更高效。而且更重要的是，它们可以消耗更少的能量。