國外研究表明手性磁體材料可提高類腦計算適應性

　　英國倫敦大學學院、倫敦帝國理工學院領導的國際合作研究表明，利用手性（扭曲）磁體的內在物理特性，可提高機器學習任務適應性，大幅減少類腦計算的能源使用。研究結果發表在《自然·材料》雜志上。

　　傳統計算由于獨立的數據存儲和處理單元需要消耗大量電力。機器學習利用物理儲層計算方法，消除對獨特內存和處理單元的需求，促進更有效的數據處理方式，成為傳統計算更可持續的替代方案。但該方法的缺陷在于缺乏可重新配置性，執行不同計算任務時效果存在差異，這是由材料物理特性導致的。

　　科研團隊使用手性（扭曲）磁體作為計算介質，利用矢量網絡分析儀確定其在不同磁場強度和-269°C到室溫范圍內溫度下的能量吸收。研究發現，通過施加外部磁場和改變溫度，可以調整這些材料的物理特性以適應不同的機器學習任務，不同磁相對不同類型計算任務具有像人腦一樣好的執行效果。