人工智能和机器学习在过去几年取得了巨大进步，包括最近推出的 ChatGPT 和艺术生成器，但有一点仍然很突出，那就是一种以与人脑相当的外形尺寸生成和存储长期和短期记忆的节能方式。

华盛顿大学的一组研究人员提出了一种节能方法，可以将长期记忆整合到一个微型芯片上。

该团队由 Shantanu Chakrabartty，Preston M. Green、Clifford W. Murphy 等人主导，他们开发了一种相对简单的设备，可以模拟大脑突触的动态，神经元之间的连接允许信号传递信息。

许多现代人工智能系统中所使用的人工突触相对简单；由于不同化学途径之间的微妙相互作用，生物突触可以潜在地存储复杂的记忆，这是以往这些人工突触远远做不到的。

Chakrabartty 的团队表明，他们的人工突触也可以模仿生物突触的一些动态，使 AI 系统能够不断学习新任务，而不会忘记如何执行旧任务。

该研究以「On-device synaptic memory consolidation using Fowler-Nordheim quantum-tunneling」为题，于 2023 年 1 月 13 日发布在《Frontiers in Neuroscience》。

为此，Chakrabartty 的团队构建了一种装置，其运行方式类似于两个耦合的电子库，其中电子可以通过连接点或人工突触，在两个腔室之间流动。为了创建这个结构，他们使用了量子隧道效应（一种允许电子神奇地穿过屏障的现象）。

具体来说，他们使用了 Fowler-Nordheim (FN) 量子隧穿，其中电子跳过三角形势垒，并在此过程中改变势垒的形状。FN 隧道技术提供了一种比过于复杂而无法进行计算机建模的现有方法，更简单、更节能的硬件连接方式。

论文链接：https://www.frontiersin.org/articles/10.3389/fnins.2022.1050585/full

相关报道：https://techxplore.com/news/2023-02-quantum-tunneling-boost-memory-ai.html

内容中包含的图片若涉及版权问题，请及时与我们联系删除