美国陆军研究所AI技术分享：神经网络式计算模型

在过去的几十年中，计算机在处理能力方面取得了巨大进步。但是，与人脑的复杂性和功能相比，即使是最先进的计算机也相对初级。

美国陆军作战能力发展司令部陆军研究实验室的研究人员说，随着他们努力设计受人脑神经结构启发的计算机，这种情况可能正在改变。

作为与里海大学合作的一部分，陆军研究人员确定了开发神经形态材料的设计策略。

实验室的研究科学家兼电气工程师Sina Najmaei博士说：“神经形态材料是指可以在设备中提供计算和存储功能的材料类别或材料组合的名称。”

Najmaei和他的同事在2020年5月的《今日材料》上发表了一篇题为《插层式二硫化Ha（HfS2）中的动态可重构电子和声子性质》的论文。

神经形态计算概念是一种内存中解决方案，与传统晶体管相比，它有望将功耗降低几个数量级，并且适用于复杂的数据分类和处理。传统晶体管中有限的功率效率是一项基本技术缺陷，阻碍了计算的未来发展。

在过去10年中进行的神经形态材料研究集中在理解二维材料及其Van der Waals多层结构的独特特性。

Najmaei说：“研究结果显示了这些材料在电子应用中的巨大前景，同时也表明了这些材料中独特的界面为材料性能的设计提供了前所未有的机会。”

在过去的四年中，该团队专注于为高性能电子应用设计材料特性。

Najmaei说：“我们的研究导致了我们今天的材料论文，该论文将这项工作扩展到基于van der Waal /有机金属杂化系统和神经形态材料设计的这些材料的可重构特性设计中。”

神经形态计算使用类似于大脑认知过程的新计算模型来处理信息。

Najmaei说：“为了处理来自输入的信息并做出合理的推论，需要信息和新的计算方式。” 具有内存计算机功能的神经形态硬件有望弥合这一日益扩大的技术差距。”

他说，这项研究是开发具有独特功能特性的混合设备中的内存计算以整合到认知感觉设备中的重要踏脚石，并且克服了阻碍自下而上简化大脑灵感计算硬件方法的重大技术挑战。

纳杰梅伊说，如果研究人员最终能够开发出一种具有与大脑相似的行为的计算机，那对战士来说将是极为有用的。

像神经系统一样，神经形态计算将提供具有特权的计算能力，例如对损害的鲁棒性，学习能力，对变化的适应性等。与当今的计算范例相比，它将有可能将操作能力降低1000到100万倍。

对于自治系统中的图像识别，以及一般而言，人工智能，这种处理水平将是非常理想的。Najmaei表示，鉴于AI和自主系统在现代战争中的重要性，神经形态计算很可能是未来广泛的超前战斗能力的基石。