基于忆阻器的基于交叉开关的 AI 系统，可扩展且节能

深度学习模型对于解决涉及真实数据分析的任务非常有用。 这些模型并非没有它们的好处，但它们需要在数据中心进行强化培训，然后才能用于实际的软件或设备，例如手机。 这既费时又费力。

得克萨斯 A&M 大学 Rain Neuromorphics 和桑迪亚国家实验室的研究人员开发了一种新系统，可以更高效地大规模训练深度学习模型。 该系统是在 Nature Electronics 中引入的，它依赖于新的训练算法以及可以同时执行多项操作的忆阻器硬件。

该研究的资深作者 Suhas Kumar 表示，大多数人将 AI 与智能手表和智能手机联系在一起，用于人脸识别、健康监测等。但 AI 的大部分精力都花在了训练 AI 模型来完成这些任务上。

来源和详细信息：
https://techxplore.com/news/2022-12-memristor-crossbar-based-scalable-energy-efficient-ai.html