捕鱼街机:神经网络需要不断调整突触的值

当电流中的电子通过磁性隧道结的纳米磁铁时，它们的自旋会与磁铁中的电子自旋相互作用，导致电流中的电子自旋极化，与磁铁不相容。电子自旋的方向是相同的。在磁性隧道结中，一个纳米磁铁的磁化方向是可变的(称为自由层)，而另一个纳米磁铁的磁化方向保持不变(称为参考层)。当极化电流流过自由层时，它改变了磁铁的磁化方向。因此，通过控制电流的方向，就可以在不需要外部磁场的情况下写入“0”或“1”。这一发现催生了集成MRAM的概念。

从那时起，多家微电子系统制造商开始使用这种技术制造存储器。你知道，一个硅基集成电路可以集成10亿个元件。目前,这种类型的内存已经被应用于电子设备在日常使用中,因为它有两种类型的内存的优点同时:读写速度一样快动态内存,和存储信息的能力在很长一段时间的大容量内存。因此，我们不断接近神经形态集成电路的概念。在执行操作的硅基集成电路中，磁隧道结可以安装在最有用的地方，以比特的形式存储数据。就像突触和神经元在大脑中相连一样，这些人工的“突触”可以尽可能地接近由硅构成的计算中心。如果你想在这样的设备上运行一个神经网络算法，你只需要为这些突触配置正确的值来定义程序任务。神经网络可以根据图像或声音的对应值识别出图像或声音中的元素。

通过大幅减少外部存储器和处理器之间的数据交换，我们有望减少人工智能算法的能耗。学术界和产业界都在积极探索这一方法。但它仍然不能完全令人满意:为了执行一项任务，你需要事先知道每个突触的正确值，以便记住。而且这些组成部分不具备真正的大脑所具有的可塑性。我们希望在理想的情况下，我们可以创建一个循环，通过学习可以执行不同的操作。一般来说，神经网络算法的第一步是学习。在这个过程中，神经网络需要不断调整突触的值，以提高计算性能，更好地完成分配给它的任务。