如果您希望可以时常见面，欢迎标星收藏哦~ 来源 ：内容 编译自 dqindia ，谢谢。 该研究团队由新加坡国立大学设计与工程学院材料科学与工程系副教授 Mario Lanza 领导，为基 于硬件的人工神经网络 (ANN) 提供了一种高度可扩展且节能的解决方案。这使神经形态计算（芯 片可以更有效地处理信息，就像人脑一样）更接近现实。他们的研究于 2025 年 3 月 26 日发表在 《自然》杂志上。 将大脑放入硅片中 世界上最复杂的计算机已经存在于我们的大脑中。研究表明，人类大脑总体上比电子处理器更节 能，这要归功于近 900 亿个神经元，它们彼此之间形成了大约 100 万亿个连接，而突触会随着时 间的推移调整其强度——这一过程被称为突触可塑性，它是学习和记忆的基础。 几十年来，科学家一直试图利用人工神经网络 (ANN) 复制这种效率。ANN 近来推动了人工智能 (AI) 的显著进步，其灵感大致来源于大脑处理信息的方式。但是，虽然它们借用了生物学术语， 但相似之处只是表面的——基于软件的 ANN，例如那些为 ChatGPT 等大型语言模型提供支持的 神经形态计算旨在模仿大脑的计算能力和能源效率。这不仅需要重新 ...