新的類似大腦的網絡可以幫助機器人在物體識別任務中實現類似人類的效率研究人員已經開發出一種過程，利用類似腦狀網絡的磁性來編程和教授個人機器人，自動駕駛汽車和無人機等設備，以更好地概括不同的物體。計算機和人工智能繼續引領人們購物方式的重大變化。訓練機器人的大腦來創建購物清單相對容易，但是如何確保機器人購物者能夠輕松地分辨商店中數以千計的產品?

普渡大學的研究人員和大腦靈感計算專家認為，部分答案可能存在于磁鐵中。研究人員已經開發出一種過程，利用類似腦狀網絡的磁性來編程和教授個人機器人，自動駕駛汽車和無人機等設備，以更好地概括不同的物體。

“我們的隨機神經網絡試圖模仿人類大腦的某些活動，并通過神經元和突觸的聯系進行計算，”普渡大學的Edward G. Tiedemann Jr.電氣和計算機工程杰出教授Kaushik Roy說。“這使得計算機大腦不僅可以存儲信息，還可以很好地概括對象，然后做出推斷，以更好地區分對象。”

羅伊在本月早些時候在德國舉行的年度德國物理科學會議上介紹了該技術。這項工作也出現在神經科學的前沿。

納米磁體的開關動力學類似于神經元的電動力學。磁隧道結器件顯示出開關行為，其本質上是隨機的。

隨機切換行為表示神經元的S形切換行為。這種磁隧道結也可用于存儲突觸權重。

Purdue小組提出了一種新的隨機訓練算法，用于使用尖峰定時依賴性可塑性(STDP)，稱為隨機STDP，已經在大鼠的海馬體中進行了實驗觀察。基于所提出的用于學習不同對象表示的算法，磁體的固有隨機行為被用于隨機地切換磁化狀態。

然后在推斷期間使用在納米磁體的磁化狀態下確定性編碼的訓練的突觸權重。有利地，使用高能阻擋磁體(30-40KT，其中K是玻爾茲曼常數，T是工作溫度)不僅允許緊湊的隨機基元，而且還使相同的器件能夠用作滿足數據的穩定存儲器元件。保留要求。然而，用于執行類似S形的神經元計算的納米磁體的勢壘高度可以降低到20KT以獲得更高的能量效率。

“我們開發的磁鐵技術的最大優勢在于它非常節能，”領導普渡大學腦智能計算中心實現自主智能的羅伊說。“我們創建了一個更簡單的網絡，代表神經元和突觸，同時壓縮執行類似腦計算功能所需的內存和能量。”

羅伊表示，大腦般的網絡在解決難題方面也有其他用途，包括組合優化問題，如旅行商問題和圖形著色。所提出的隨機裝置可以充當“自然退火爐”，幫助算法擺脫局部最小值。

他們的工作與普渡大學的巨型飛躍慶祝活動保持一致，承認該大學在人工智能方面的全球進步是普渡大學成立150周年的一部分。這是為期一年的慶祝活動創意節的四個主題之一，旨在展示普渡大學作為解決現實問題的知識中心。

Roy曾與Purdue研究基金會技術商業化辦公室合作，為C-BRIC的一些研究提供專利技術。他們正在尋找合作伙伴來授權該技術。