印第安纳州西拉斐特市-一种称为“有机体”的新计算技术，通过学习如何忘记不重要的记忆而保留更重要的记忆，来模仿人类思想的某些方面。Riccardo Comin(马萨诸塞州理工学院)和布鲁克海文NSLS-II的Claudio Mazzoli参加了会议。该研究小组使用可调X射线束扫描了普渡大学研究人员准备的样品，因此他们可以了解该材料的磁性能如何与其与环境的相互作用“学习”的能力有关。

普渡大学的爱德华·泰德曼(Edward G. Tiedemann Jr.)电气和计算机工程杰出教授，考希克·罗伊(Kaushik Roy)说：“人的大脑能够持续进行终身学习 。” “并且它通过忘记一些非关键信息来部分地做到这一点。我学得很慢，但是在此过程中我总是忘记其他事情，因此检测旧事物的准确性会适度降低。我们正在尝试做的事情是在一定程度上模仿大脑的行为，以创造不仅学习新信息而且学习要忘记的计算机。”

该小组由普渡大学，罗格斯大学，麻省理工学院，布鲁克海文实验室和阿贡实验室的研究人员组成。

普渡大学材料工程教授Shriram Ramanathan说，这项研究的核心是一种称为镍酸“的陶瓷“量子材料”，该材料被用于制造称为生物体的装置 。

罗伊说：“这些设备具有生物的某些特征，使我们能够推进模仿人脑某些方面的新学习算法。” “结果对于量子材料以及脑启发性计算领域具有深远的影响。”

有关发现的详细信息，刊登在《自然通讯》杂志(日期)上的一篇论文中。

当暴露于氢气中时，该材料会发生巨大的电阻变化，因为其晶格被氢原子“掺杂”。据说该材料会呼吸，在添加氢气时会膨胀，而在去除氢气时会收缩。

Ramanathan说：“关于材料的主要是，当它吸收氢时，会产生引人注目的量子力学效应，从而使电阻变化几个数量级。” “这是非常不寻常的，而且效果是可逆的，因为这种掺杂剂可能微弱地附着在晶格上，因此，如果您从环境中除去氢，则可以改变电阻。”

该研究论文的合著者包括普渡大学博士后研究助理范佐和研究生Priyadarshini Panda。摘要中提供了合著者的完整列表。

当氢暴露于材料时，氢分裂成质子和电子，电子附着在镍上，暂时使材料成为绝缘体。

“然后，当氢出来时，这种材料又重新导电了，”拉马纳森说。“我们在本文中展示的是可以非常仔细地调整传导和绝缘的程度。”

这种变化的电导和“该电导随时间的衰减”类似于一种称为习惯化的关键动物行为。

罗伊说：“许多动物，甚至是没有大脑的生物，都具备这种基本的生存技能。” “这就是为什么我们称这种有机行为。如果我定期看到某些信息，我会习惯于此，并保持对它的记忆。但是，如果我很长一段时间都没有看到这样的信息，那么它会慢慢开始衰减。因此，电导行为以指数方式上升和下降的行为可用于创建一个新的计算模型，该模型将逐步学习，同时以适当的方式忘记事物。”

研究人员开发了一种被称为自适应突触可塑性的“神经学习模型”。

Ramanathan说：“这可能非常重要，因为这是直接使用量子材料解决神经学习中的主要问题的第一个例子。”

研究人员使用生物体来实现突触可塑性的新模型。

罗伊说：“利用这种效应，我们能够对神经形态计算中真正存在的问题进行建模。” “例如，如果我学会了你的面部特征，我仍然可以出去学习别人的特征而不会真正忘记你的特征。但是，这对于计算模型来说很难做到。在学习您的特征时，他们可以忘记原始人的特征，这就是灾难性的遗忘。”

神经形态计算无意取代基于互补金属氧化物半导体晶体管或CMOS的常规通用计算机硬件。相反，它有望与基于CMOS的计算结合使用。CMOS技术尤其擅长执行复杂的数学计算，而神经形态计算可能能够执行诸如面部识别，推理和类似人的决策的角色。

罗伊(Roy)的团队对可塑性模型进行了研究，而其他合作者则集中在物理学上，即如何解释由掺杂引起的电导变化的过程是本文的核心。

这是一个多学科团队，由材料，电气工程，物理和算法方面的专家组成。

Ramanathan说：“材料科学人员很少会和Roy教授这样的巡回人员进行交流，并提出有意义的建议。”

有机体可能在自旋电子学的新兴领域中得到应用。常规计算机使用电荷的存在和不存在来表示执行计算所需的二进制代码中的1和0。然而，自旋电子学使用电子的“自旋态”来表示一和零。

它可以将类似于生物学神经元和突触的电路带入CMOS电路无法实现的紧凑设计中。仿冒一个神经元或突触需要许多CMOS器件，而可能只需要一个自旋电子器件，可能需要一种紧凑的节能技术。

在未来的工作中，研究人员可能会演示如何在集成电路中实现习惯化，而不是将材料暴露于氢气中。