連接的磁性斯格明子作為受大腦啟發的存儲計算的計算介質的藝術渲染圖。圖片來源：奧斯卡·李博士

一種利用材料的內在物理特性來大幅減少能源使用的類腦計算形式，距離現實又近了一步。在《自然·材料》雜志上發表的這項新研究中，英國倫敦大學學院和倫敦帝國理工學院小組使用手性（扭曲）磁體作為計算介質，發現通過施加外部磁場和改變溫度，可調整這些材料的物理特性以適應不同的機器學習任務。

傳統計算消耗大量電力，部分原因是它有獨立的數據存儲和處理單元，信息必須在兩者之間不斷地轉換，浪費能源并產生熱量。這對于機器學習來說是一個嚴重問題，導致訓練一個大型人工智能模型可產生數百噸二氧化碳。

而物理儲層計算旨在消除對不同內存和處理單元的需求，促進更有效的數據處理方式。但這種計算方法迄今應用受限，是因為材料的物理特性可能使其在某些計算任務中表現出色，但在另一些任務中卻表現不佳。而今這項研究使人們更接近于實現物理儲存庫的全部潛力，創造出像人類大腦一樣的計算機，不僅顯著減少需要的能量，而且還可調整其計算特性，以在各種任務中最佳地執行。

團隊使用矢量網絡分析儀來確定手性磁體在不同磁場強度和-269℃到室溫范圍內的溫度下的能量吸收。他們發現手性磁體的不同磁相，在不同類型的計算任務中表現出色。在斯格明子階段，磁化粒子以類似漩渦的方式旋轉，具有強大的記憶能力，適合預測任務。與此同時，在圓錐形階段幾乎沒有記憶，但它的非線性非常適合轉換任務和分類。

團隊設計了一種神經擬態計算架構，利用復雜的材料特性來滿足各種具有挑戰性任務的需求。目前取得了很好的結果，展示了可直接定制神經形態計算的可能。

總編輯圈點

物理儲層計算，可以低功耗對時間序列信號進行高速處理，簡單理解，就是一種更省資源的計算方式。計算機的一大硬傷，就是耗能。人類大腦處理如此多紛繁復雜的信息，但一天消耗的能量折算成瓦特，還不到一臺普通電腦的十分之一。如何在降低能耗的同時保持優秀的計算能力？本文用手性磁體和環境調節來完成這一任務。在不同溫度下，磁體表現出不同磁相，仿佛是不同的分身，能夠優秀地執行不同計算任務，實現節能和算力兼得。