德累斯顿工业大学（Technische Universität Dresden）的突破性研究表明，CMOS 兼容神经形态计算芯片即将问世。
新研究显示类脑计算机可以彻底改变区块链和人工智能新闻
德国德累斯顿工业大学（Technische Universität Dresden）的研究人员最近发表了一项突破性研究成果，展示了一种用于神经形态计算的新型材料设计，这种技术可能会对区块链和人工智能产生革命性影响。
该团队利用一种名为 "水库计算(reservoir computing) "的技术，开发出一种模式识别方法，利用磁子漩涡近乎瞬时地执行算法功能。
磁子散射水库的工作原理。资料来源 "利用磁子散射库在互易空间进行模式识别》，《自然》杂志
研究人员不仅开发并测试了新型水库材料，还展示了神经形态计算在标准 CMOS 芯片上工作的潜力，这可能会颠覆区块链和人工智能（AI）。
经典计算机，例如为智能手机、笔记本电脑和世界上大多数超级计算机提供动力的计算机，使用的是二进制晶体管，可以是开或关（用 "1 "或 "0 "表示）。
神经形态计算机使用可编程的物理人工神经元来模仿有机大脑的活动。这些系统不是处理二进制，而是通过神经元的不同模式发送信号，并增加了时间因素。
之所以说这对区块链和人工智能领域很重要，是因为神经形态计算机从根本上适合模式识别和机器学习算法。
二进制系统使用布尔代数进行计算。因此，经典计算机在计算数字时仍然没有挑战性。然而，当涉及模式识别时，尤其是当数据存在噪声或信息缺失时，这些系统就会陷入困境。
这就是为什么经典系统需要花费大量时间来解决复杂的密码学难题，也是为什么它们完全不适合在数据不完整的情况下使用基于数学的解决方案。
例如，在金融、人工智能和交通领域，实时数据源源不断地涌入。传统计算机难以解决隐蔽性问题--例如，无人驾驶汽车所面临的挑战到目前为止还很难简化为一系列 "真/假 "计算问题。
然而，神经形态计算机专为处理信息匮乏的问题而设计。在交通行业，传统计算机不可能预测交通流量，因为独立变量太多。神经形态计算机可以不断对实时数据做出反应，因为它不会一次处理一个数据点。
相反，神经形态计算机通过模式配置运行数据，其功能有点像人脑。人脑会根据特定的神经功能闪烁特定的模式，而模式和功能都会随着时间的推移而改变。
神经形态计算的主要优势在于，与经典计算和量子计算相比，其功耗水平极低。这意味着神经形态计算机在运行区块链和在现有区块链上挖掘新区块时，可以大大降低时间和能源成本。
神经形态计算机还能显著提高机器学习系统的速度，尤其是那些与真实世界传感器（自动驾驶汽车、机器人）相连接的系统或那些实时处理数据的系统（加密货币市场分析、交通枢纽）。
