英国伦敦大学学院、伦敦帝国理工学院领导的国际合作研究表明，利用手性（扭曲）磁体的内在物理特性，可提高机器学习任务适应性，大幅减少类脑计算的能源使用。研究结果发表在《自然·材料》杂志上。

传统计算由于独立的数据存储和处理单元需要消耗大量电力。机器学习利用物理储层计算方法，消除对独特内存和处理单元的需求，促进更有效的数据处理方式，成为传统计算更可持续的替代方案。但该方法的缺陷在于缺乏可重新配置性，执行不同计算任务时效果存在差异，这是由材料物理特性导致的。

科研团队使用手性（扭曲）磁体作为计算介质，利用矢量网络分析仪确定其在不同磁场强度和-269°C到室温范围内温度下的能量吸收。研究发现，通过施加外部磁场和改变温度，可以调整这些材料的物理特性以适应不同的机器学习任务，不同磁相对不同类型计算任务具有像人脑一样好的执行效果。

本文摘自国外相关研究报道，文章内容不代表本网站观点和立场，仅供参考。

知前沿，问欧冠杯。欧冠杯腾讯视频是欧冠杯一流产业咨询机构，十数年持续深耕产业研究领域，提供深度产业研究报告、商业计划书、可行性研究报告及定制服务等一站式产业咨询服务。专业的角度、品质化的服务、敏锐的市场洞察力，专注于提供完善的产业解决方案，为您的投资决策赋能。