新硬件允许以更少的能量进行更快的人工智能计算
麻省理工学院的研究人员创造了质子可编程电阻，这是模拟深度学习系统的构建模块。 它们处理数据的速度比人类突触快一百万倍。 这些超快和低能量的电阻器可以使模拟深度学习系统能够快速训练新的强大的神经网络，这可能在自动驾驶汽车、欺诈检测和医疗保健等领域很有用。
来源和详细信息：
https://news.mit.edu/2022/analog-deep-learning-ai-computing-0728
新硬件允许以更少的能量进行更快的人工智能计算
麻省理工学院的研究人员创造了质子可编程电阻，这是模拟深度学习系统的构建模块。 它们处理数据的速度比人类突触快一百万倍。 这些超快和低能量的电阻器可以使模拟深度学习系统能够快速训练新的强大的神经网络，这可能在自动驾驶汽车、欺诈检测和医疗保健等领域很有用。
来源和详细信息：
https://news.mit.edu/2022/analog-deep-learning-ai-computing-0728
