系统故障、交易失败、连接失败、费率不正常等问题
请联系页面左侧热线咨询哦
所有人工智能应用的核心是被称为神经网络的数学模型。这些模型的灵感来自人类大脑的生物结构,由相互连接的节点组成。就像我们的大脑通过不断地重新安排神经元之间的连接来学习一样,神经网络可以通过调整其内部结构来进行数学训练,直到它们能够完成人类级别的任务:识别我们的脸,解释医学图像以进行诊断,甚至驾驶我们的汽车。因此,具有能够快速有效地执行神经网络中涉及的计算的集成设备已经成为学术界和工业界的主要研究焦点。
该领域的重大变革之一是2008年记忆电阻器的发现。该设备根据过去电流的记忆改变其电阻,因此命名为记忆电阻器或忆阻器。在它被发现后,科学家立即意识到(在许多其他应用中)忆阻器的特殊行为与神经突触惊人地相似。因此,忆阻器已经成为神经形态架构的基本组成部分。
一组来自维也纳大学、国家研究委员会 (CNR) 和Philip Walther教授和Roberto Osellame博士领导的米兰理工大学的实验物理学家们现在已经证明,设计一种与忆阻器具有相同功能的设备是可能的,同时当其作用于量子态是,能够编码和传输量子信息。换句话说,就是一个量子忆阻器。实现这样的设备是具有挑战性的,因为忆阻器的动力学往往与典型的量子行为相矛盾。
通过使用单光子,即光的单量子粒子,并利用它们在两条或更多路径的叠加中同时传播的独特能力,物理学家们克服了这一挑战。在他们的实验中,单光子沿着激光写入玻璃基板上的波导传播,并在多条路径的叠加上被引导。其中一条路径用于测量通过设备的光子通量,该数量通过复杂的电子反馈方案,调节另一个输出的传输,从而实现理想的忆阻行为。除了演示量子忆阻器外,研究人员还提供了模拟,表明具有量子忆阻器的光网络可用于学习经典任务和量子任务,这暗示了量子忆阻器可能是人工智能和量子计算之间缺失的一环。