曉查 發自 凹非寺
量子位 報道 | 公衆號 QbitAI
最近，一篇登上Science的最新研究可謂轟動了整個AI界。
生物學家們發現，人類的單個神經元也可以進行異或（XOR）運算，效率遠高于我們現在的人工神經網絡（ANN）。
ANN要實現一個異或運算，至少需要2層神經網絡。
現在，來自荷蘭特溫特大學一篇登上Nature的論文，再次打破我們的認知。
他們發明了一種新的硅半導體器件，利用量子力學的隧道效應，可以在單個器件上進行任意邏輯運算，當然也包括異或。
這就是量子力學中的隧道效應。
之前已經有研究人員在硅表面沉積一些金納米顆粒，作爲電子的坑，坑之間由絕緣分子隔開。
經過摻雜的半導體的勢能曲面形成了一個高維特征空間的映射關系。通過加入的5個控制電極可以調節曲面的形狀，從而控制電荷的走向。
我們可以通過簡單地調整5個控制電壓，對單個電路進行重新編程，執行任何兩個輸入的邏輯運算。
當然，如果只能對4位二進制數據進行分類還遠遠談不上機器學習。研究人員將2×2的特征提取並行組合，測試了MNIST手寫數字圖像的分類。
我們知道，MNIST數據集是一組28×28的黑白圖片。研究人員將圖像分爲多個2×2的方塊，然後將數據輸入上面設計的分類器中，再將這種分類器提取出的結果輸入到常規硬件中，執行機器學習算法。
實驗也證明了，研究人員發明的分類器設備可以並行運算，而不會産生任何沖突。在當前機器學習算法中，用于執行運算的設置限制了分類器的運行速度，進而限制了能效。
這篇文章提出的器件可以替代現有硬件，以極大地提高電路在執行AI運算時的速度和能效。
關于作者
本文的第一作者Chen Tao現在是荷蘭特溫特大學BRAINS中心的博士後研究員。