东方时讯网储层计算是一种新兴的计算框架，它基于使用递归神经网络(即，数据在其中持续存在或以模式重复出现的网络)。该框架有可能减少数据处理时间，同时还可以提高神经形态设备的能效。
北京大学和北京人工智能研究院的研究人员最近推出了一种基于α-硒化铟(α-In2Se3)的新型人工突触，这有助于更有效地在神经形态设备中重建生物神经过程。在NatureElectronics上发表的一篇论文中介绍的这种突触可能对水库计算应用具有非常有价值的影响。
“我们的想法源于对一种简单策略的需求，该策略可用于利用物理系统的动态响应进行计算，而物理油藏计算是实现这一目标的有前途的框架，”YuchaoYang，其中一名研究人员进行了退出研究，告诉TechXplore。
“In2Se3是一种非常有趣的材料，也是储层计算的良好平台，其丰富的物理特性支持创建多模态、多尺度的储层计算系统，我们希望能够拓展物理储层计算的应用场景。”
储层计算依赖于人工突触的使用，这些人工突触可以直接运行深度学习算法，而无需在内存和处理单元之间传输数据。范德华半导体材料α-In2Se3具有众多有利的光电、铁电和半导体特性，使其成为制造这些人工突触的理想候选材料。
“In2Se3同时具有两个有趣的固有物理特性，即铁电开关和光电响应，”Yang解释道。“我们构建了一个平面设备，利用平面内铁电极化进行电突触，同时还引入光作为第三终端以实现光电响应。这种独特的结构有效地结合了两种物理特性，可以利用铁电和光电的耦合来实现异突触可塑性和高级计算功能。”
可以使用电和光刺激来控制由这组研究人员创建的光电突触的时间动力学。这意味着它最终可以人工复制大脑与生俱来的可塑性(即适应时间的能力)，同时也可以直接处理信息。
“之前关于神经形态计算的大部分研究仅将设备用作非易失性元件，而我们利用更复杂的非线性动力学来增强计算能力，”Yang说。
“与以往具有固定机制和功能的储层系统相比，我们的光电突触同时具有铁电和光电特性，从而为储层计算提供了两种截然不同的物理耦合机制。这使我们能够实现基于混合信号输入的储层计算系统，展示了出色的可调性和增强的网络性能，而这里的多尺度信号处理是通过用光或背栅电压调制器件的弛豫时间来实现的。”
为了评估他们的人工突触的性能，Yang和他的同事们过去常常构建一个多模库计算系统。然后，他们在手写数字识别任务和二维码识别任务中测试了该系统的性能。他们发现它取得了可喜的成果，成功地处理了这两项数据处理任务，准确率超过80%。
作为这项研究的一部分实现的人工突触可能很快会为储层计算开辟新的有趣的可能性。此外，可以进一步开发使用该突触创建的储层计算系统，以处理其他复杂的信息处理和数据分析任务。
“我们对多模式和多尺度油藏计算系统的演示从根本上扩展了油藏计算系统的处理能力，”杨补充道。“在我们最近的研究中，我们专注于计算应用，但在未来，我们还希望实现一个完全集成的神经形态系统，包括信息感知。”