神经网络是人工智能(AI)中最重要的工具：它们模仿人脑的操作，可以可靠地识别文本，语言和图像，仅举几例。到目前为止，它们以自适应软件的形式在传统处理器上运行，但是专家们正在研究另一种概念，即“神经形态计算机”。在这种情况下，大脑的转换点-神经元-不是由软件模拟的，而是在硬件组件中重建的。Helmholtz-Zentrum Dresden-Rossendorf(HZDR)的一组研究人员现在展示了一种针对这种硬件的新方法-产生并分割成微米尺寸晶片的定向电磁波。展望未来，这可能意味着优化任务和模式识别可以更快，更节能地完成。体检信。

该小组的研究基于直径仅几微米宽的磁性材料镍铁的小盘。在该光盘周围放置一个金戒指：当千兆赫兹范围内的交流电流流过时，它会发出微波，从而激发所谓的自旋波在光盘中。HZDR艾美奖Noether研究组“ Magnonics”负责人HelmutSchultheiß解释说：“铁镍中的电子表现出自旋，就像在旋转的陀螺一样在现场旋转。” “我们使用微波脉冲使电子顶部稍微偏离航向。” 然后，电子将这种干扰传递到它们各自的邻居，这将导致自旋波射穿材料。以这种方式可以高效地传输信息，而不必移动电子本身，这就是当今计算机芯片中发生的情况。

早在2019年，舒勒泰斯(Schultheiß)小组发现了一些非凡的东西：在某些情况下，磁涡旋中产生的自旋波可以分为两波，每波频率都降低。Schultheiß的同事LukasKörber解释说：“造成这种情况的是非线性效应。” “只有当辐射的微波功率超过某个阈值时，它们才会被激活。” 这种行为表明自旋波是人造神经元的有前途的候选者，因为与大脑的运作有着惊人的相似性：这些神经元也只有在超过一定的刺激阈值时才会发射。

微波诱饵

然而，起初，科学家们无法非常精确地控制自旋波的划分。Körber解释了为什么：“当我们将微波发送到光盘中时，自旋波分成两个新波会存在一定的时滞。这很难控制。” 因此，团队不得不思考解决该问题的方法，他们现在在《物理评论快报》中对此进行了描述：除了金戒指，在磁晶片附近还附有一条小磁条。短的微波信号在该条带中产生自旋波，该自旋波可与晶片中的自旋波相互作用，从而充当诱饵。条中的自旋波使晶片中的波更快地分开。科尔伯解释说：“非常短的附加信号足以使分裂发生得更快。” “这意味着我们现在可以触发该过程并控制时间延迟。”

这也意味着，原则上已经证明，自旋波晶片适用于人造硬件神经元-它们的开关方式类似于大脑中的神经细胞，可以直接控制。HelmutSchultheiß宣布：“我们下一步要做的是用我们的自旋波神经元建立一个小型网络。” “然后，这个神经形态网络应该执行简单的任务，例如识别简单的模式。”

面部识别和交通优化模式识别是AI的主要应用之一。例如，智能手机上的面部识别消除了输入密码的必要性。为了使其工作，必须预先训练神经网络，这涉及巨大的计算能力和大量数据。智能手机制造商将该网络传输到专用芯片，然后集成到手机中。但是芯片有一个弱点。它不是自适应的，因此无法识别例如戴着口罩的脸。

另一方面，神经形态计算机也可以处理这种情况：与传统芯片相比，它的组件不是硬接线的，而是像大脑中的神经细胞一样起作用。“因此，神经形态计算机可以像处理人类一样一次处理大量数据，并且可以非常高效地进行能源处理，”Schultheiß兴奋地说道。除了模式识别之外，新型计算机还可以在另一个与经济相关的领域中发挥作用：用于优化任务，例如高精度智能手机路线规划器。