国外研究表明手性磁体材料可提高类脑计算适应性

英国伦敦大学学院、伦敦帝国理工学院领导的国际合作研究表明,利用手性(扭曲)磁体的内在物理特性,可提高机器学习任务适应性,大幅减少类脑计算的能源使用。研究结果发表在《自然·材料》杂志上。传统计算由于独立的数据存储和处理单元需要消耗大量电力。机器学习利用物理储层计算方法,消除对独特内存和处理单元的需求,促进更有效的数据处理方式,成为传统计算更可持续的替代方案。但该方法的缺陷在于缺乏可重新配置性,执行不同计算任务时效果存在差异,这是由材料物理特性导致的。