北京治疗白癜风病哪家好 https://m-mip.39.net/pf/mipso_4688220.html我们许多人都知道计算机的摩尔定律。自从年晶体管问世以来，计算机的发展一直使可装在集成电路上可容纳的晶体管数目，约每隔两年便会增加一倍。这种趋势被称为摩尔定律。半导体行业大致按照摩尔定律发展了半个多世纪，对二十世纪后半叶的世界经济增长做出了贡献，并驱动了一系列科技创新、社会改革、生产效率的提高和经济增长。个人电脑、因特网、智能手机等技术改善和创新都离不开摩尔定律的延续。尽管摩尔定律的现象已经被观察到了数十年，未来的增长率在逻辑上无法保证会跟的当今数据的发展速度同步，也就是逻辑上无法保证摩尔定律会持续下去。摩尔定律也要臣服于物理规律——在不久的将来，这种微型化进程的速度将无法继续保持下去。在过去的60年中，计算机的性能得到了巨大的提高，但是由于底层计算基元的基本限制，这些改进在过去的十年中明显放慢了速度。但是，数据的生成和对计算的需求随时间呈指数增长。因此，迫切需要发明新的计算原语，包括硬件和算法，以跟上计算需求。在这样的形势下，科学家们在寻求打破一系列基本假设，重新思考计算技术，重塑计算机的方案。大脑是自然计算机，在解决某些问题（例如即时识别脸部或理解自然语言）方面，胜过我们最好的计算机。这种认识导致了对神经形态或脑启发式计算的大量研究，这些研究显示了增强计算能力的希望。最近，惠普计算机公司实验室的科学家们发表在《应用物理评论》上的论文中，基于大脑的计算机式的重要原始要素，重新思考处理器架构，以模仿大脑如何有效地处理信息。提出了基于脑启发性神经形态计算所需的操作功能。提出的途径包括由数字架构组成的混合架构，再加上由忆阻器实现的模拟架构的兴起，可以在存储信息的地方直接处理信息的重塑计算机方案。研究人员指出，“当今最先进的计算机每秒处理的指令数量大约相当于昆虫的大脑，而它们却缺乏有效扩展的能力。相比之下，人脑的规模约大一百万倍，并且由于可塑性和稀疏性等特性，它可以执行更高复杂性的计算。重塑计算以更好地模拟大脑中的神经体系结构是解决许多动态非线性问题的关键。如深度神经网络之类的新体系结构中诸如非线性、因果关系和稀疏性之类的计算原语的发展将带来一波新的计算浪潮，可以处理非常困难的受限优化问题，例如天气预报和基因测序。研究人员基于当今材料、设备、体系结构和仪器的论述，提出这些材料必须先行开发才能使神经形态计算成熟。他们提倡采取行动以发现新的功能材料，以开发新的计算设备。下图以林肯的照片为例，借助大脑启发式的非线性、因果关系和稀疏性的计算，计算机可以立即识别出他的脸并返回相似的图像。所谓大脑启发式的非线性、因果关系和稀疏性，这里简单介绍一下：非线性：大脑固有的特性。这是为什么线性电子设备（例如基于晶体管的系统）不擅长模仿大脑的原因。神经网络实现了解决大多数问题的非线性系统。非线性的来源之一是每个神经元的神经元阈值/激活功能。但这是一种非常简单的非线性形式。大脑在混乱中操作以产生最佳的学习和计算效果，这是一个极其非线性的动力学过程，需要同时求解几个偏微分方程，即使最先进的神经网络也无法有效实现。尽管大脑确实体现了非线性，但存在一些非线性系统，例如天气模型，这是大脑很难解决的。优化的神经网络不仅应能够融合大脑非线性的基本特征，而且还应超越大脑中的原始元素，从而解决人们广泛
转载请注明：http://www.0431gb208.com/sjszyzl/7884.html
