原子网络模拟了人类大脑神经元网络结构，量子大脑将用于人工智能

人类神奇的大脑一直隐藏着很多未知的东西，记忆、思维、意识、梦等我们现在也只能提供理论解析并不能弄清楚大脑的运作机制原理，人类的科学家从很多方面努力来了解过大脑，甚至动用了量子力学的成果去试着发现大脑的秘密。大脑是否应用了量子力学？至少从物理学上来说，答案是肯定的。

大脑由物质组成，而物质是由分子原子组成，原子当然也是要遵循量子力学的规律。只不过这些量子物体的奇异特性是否能够解答与人类认知有关的答案？事实上证明这真的是一个很有争议性的话题。

相互连接的单个原子可以组成一个“量子大脑”

相互连接的原子网络可用于构建模仿真实大脑学习方式的“量子大脑”。新系统由黑色磷底物上的钴原子阵列组成，荷兰拉德布德大学的开发人员表示，该系统可以在人工智能中得到应用。

人脑在连接的网络中包含约1000多亿个神经元。每当我们执行任务时，这些神经元就会通过称为突触的微小结状结构从其网络中的其他神经元接收电信号。一旦跨突触的信号总和达到某个临界值，神经元就会通过向其他神经元发送一系列电压尖峰来“触发”。

不同神经元之间的连接强度被称为突触重量，随着我们学习新事物和执行新任务而变化。

当今许多受大脑启发或神经形态的设备都使用机器学习（计算机使用软件或算法来训练一组给定示例的过程）来自主发展执行新任务的能力。

一种这样的机器学习模型被称为玻尔兹曼机器。从物理意义上讲，玻尔兹曼机器是一个相互作用的自旋系统，其中随机波动的自旋（或磁矩）代表神经元。

表面上的磁性原子正逐渐成为实现这种机器的平台，因为可以使用它们来创建可调谐的自旋网络，以显示必要的随机运动。问题在于这些原子之间的磁性交换相互作用通常具有很短的范围，这限制了可以形成的与其他原子/神经元的连接数量。

单独耦合的钴原子

研究人员现在已经通过利用置于黑磷上的单独耦合的钴原子的轨道动力学，创建了一种自适应玻尔兹曼机器。这项新的工作建立在较早的实验的基础上，他们发现，当将单个钴原子置于二维半导体上并施加电压时，可以在单个电子原子的电子状态下存储信息的二进制位（0和1）对原子。

研究人员使用扫描隧道显微镜的尖端将钴原子定位在2D材料上，并在原子之间建立长距离耦合。他们发现，当他们向原子网络施加电压时，它会产生一个输出信号，该信号来自电子从一个钴原子“跳跃”到另一个钴原子。该输出信号在某种程度上类似于神经元产生的放电。

突触体重变化

除了观察输出信号中的尖峰行为外，研究人员还注意到钴原子团的行为根据接收到的输入而有所不同。例如，当材料以一定的电压长时间刺激后，类似突触的带有记忆的原子会自动重新组织，从而有效地改变了突触的重量。这些材料是自学的。

电气可调网络学习速度很快

特别令人兴奋的是，学习过程是直接在材料中实现的。使用单个原子实现人工神经元和突触非常的优雅。未来还能在计划中将系统扩展为更大的钴原子网络。纳米材料技术会进一步促进研究其他的磁性原子，以了解为什么这些原子网络表现出它们的行为方式。

#量子力学#