財聯社8月9日（編輯 黃君芝）我們常常認為計算機比人類更有效率，因為前者可以在一瞬間完成一個復雜的數學方程式。
然而實際上，人類的大腦可以快速、準確地處理復雜的信息層，而且幾乎不需要任何能量輸入：只看一次臉就能識別出一張臉，或者立即知道山和海的區別。這些簡單的人類行為對計算機而言卻需要大量的處理和能量輸入，而且準確率也不能保證。
因此，用最少的能量需求創造出像大腦一樣的計算機將會徹底改變現代生活的方方面面。由美國能源部資助、美國加州大學圣迭戈分校領導的面向高能效神經形態計算的量子材料（Q-MEEN-C）項目最近就在這方面取得了突破。
【資料圖】
近期，該研究團隊在理解和模擬大腦功能方面又向前邁出了重要一步。他們在包含多個設備的陣列上進行計算，以模擬大腦中的多個神經元和突觸。在進行這些測試時，他們發現非局部性在理論上是可能的，并在實驗室將模擬轉化為實際設備，進一步完善了該想法。
最新研究成果已于近期發表在了《納米快報》雜志上。
研究人員解釋稱，通常而言，要創建一個為筆記本電腦等設備供電的輸電網絡，需要具有連續接點的復雜電路，這既低效又昂貴。
Q-MEEN-C的設計概念要簡單得多。最新研究表明，在相鄰電極之間傳遞的電刺激也可以影響非相鄰電極。這一發現被稱為非局部性行為，這意味著電路中的所有導線不必相互連接。
研究人員們自豪地表示，這是通往模擬大腦功能的新型設備（即神經形態計算）之旅的一個重要里程碑。
迄今為止，人類大腦能出色執行的模式識別任務只能通過計算機軟件來模擬。像ChatGPT和Bard這樣的人工智能程序使用復雜的算法來模擬思考和寫作等基于大腦的活動，但如果沒有相應先進的硬件支持，軟件將在某一時刻達到極限。
因此，研究人員迫切渴望一場硬件革命，與目前發生在軟件上的革命相媲美，并展示了在合成材料中重現非局部行為的可能性，使科學家們更近了一步。下一步將涉及創建更復雜的陣列，以更精細的配置使用更多的電極。
研究人員說，“在我們試圖理解和模擬大腦功能的過程中，這是非常重要的一步。展示一個具有非局部相互作用的系統將使我們進一步研究大腦的思維方式。”
“下一階段，我們將創造出高效的機器，這些機器的物理特性就是進行學習的機器。這將為人工智能領域帶來一種新范式。”他們補充道。
