研究人员开发了一种新颖的神经形态计算机,它模仿自然过程来解决复杂的组合问题,而当前AI在这方面存在困难。该系统在FPGA板上实现,并发表在《自然·通讯》上,它将量子隧穿物理与受大脑启发的架构相结合。它利用神经形态自动编码器和Fowler-Nordheim退火器来快速探索能量景观,并为蛋白质折叠和物流优化等挑战找到近乎最优的解决方案,为超越摩尔定律的限制开辟了新途径。 AI
影响 为当前AI难以解决的复杂问题提供了一种新的计算范式,有可能加速蛋白质折叠等领域的发现。
排序理由 该集群描述了一篇已发表的研究论文,其中详细介绍了一种新的计算架构。
在 Hacker News — AI stories ≥50 points 阅读 →
- Bangalore Neuromorphic Engineering Workshop
- Chetan Singh Thakur
- Heidelberg University
- Nature Communications
- Shantanu Chakrabartty
- Telluride Neuromorphic and Cognition Engineering workshop
- The University of California in Santa Cruz
- Washington University in St Louis
AI 生成摘要 · Google Gemini · 来自 5 个来源。 我们如何撰写摘要 →