混合架构助力神经形态系统成为高效发现工具

目前主导全球的AI设备主要分为三种：推理型、学习型以及发现型。圣路易斯华盛顿大学的科研团队正致力于攻克其中最为稀缺的一类。最新研究揭示，构建发现型设备的途径或许更为优越。该研究由圣路易斯华盛顿大学麦凯尔维工程学院的克利福德·W·墨菲教授兼研究副院长沙塔努·查克拉巴蒂主导。该成果已刊登于《自然通讯》期刊，其基础是此前关于混合系统架构的探索。这种架构采用了模仿人类神经生物学功能的“神经形态”设计，并融合了利用量子力学原理来应对复杂问题最优解的系统。查克拉巴蒂指出，研究显示，这类设备能够持续产出高可靠性且具备竞