据宾夕法尼亚州立大学的研究团队介绍，大脑中有一种细胞叫做星形胶质细胞。模拟可以导致高效的人工智能(AI)和机器学习，它比当前技术更擅长自主自我纠正，并且消耗更少的能源。星形胶质细胞因其星形而得名，是一种神经胶质细胞，是大脑中神经元的支持细胞。它们在记忆、学习、自我修复和同步等大脑功能中起着至关重要的作用。电气工程和计算机科学助理教授AbhronilSengupta说：“这个项目源于最近对计算神经科学的观察，因为已经付出了很多努力来理解大脑的工作原理，人们正试图修改简单的神经元——突触连接模型。”“事实证明，大脑还有第三种成分——星形胶质细胞，它是脑细胞的重要组成部分，但其在机器学习和神经科学中的作用却被忽视了。”与此同时，人工智能和机器学习充满活力。据分析公司BurningGlassTechnologies称，到2025年，对人工智能和机器学习技能的需求预计将以71%的复合增长率增长。然而，随着这些技术的使用增加，人工智能和机器学习面临挑战——消耗大量能源。“人工智能和机器学习的一个经常被低估的问题是系统的功耗，”Sengupta说。“例如，几年前，IBM试图模拟一只猫的大脑活动，它消耗了大约几兆瓦的功率。如果我们在当今最好的超级计算机上模拟人脑活动，消耗的功率远不止于此。”所有这些功耗都归因于计算机处理中发生的开关、半导体和其他机械和电子过程的复杂舞蹈，当这些过程像人工智能和机器学习所要求的那样复杂时，这种舞蹈将大大增加.一种潜在的解决方案是神经形态计算，或模仿大脑功能的计算。研究人员对神经形态计算很感兴趣，因为人脑已经进化到比计算机消耗更少的能量，因此模仿这些功能将使人工智能和机器学习更加节能。另一个可能被用于神经形态计算的大脑功能是当受损的神经元和突触受损时大脑如何自我修复。“星形胶质细胞在大脑的自我修复中起着非常重要的作用，”森古普塔说。“当我们试图提出这些新的设备架构时，我们试图形成一个人工神经形态硬件的原型，其特点是许多硬件级故障。因此，也许我们可以从基于星形胶质细胞如何诱导自我的计算神经科学中获得见解。在大脑中修复并使用这些概念可能导致神经形态硬件的自我修复以修复这些故障。Sengupta的实验室专注于自旋电子设备，这是一种通过自旋电子处理信息的电子设备。研究人员检查了这些设备的磁性结构设备以及它们如何通过在设备的固有物理中模拟大脑的各个方面来工作。研究人员还开发了神经科学模型，包括星形胶质细胞模型，以了解星形胶质细胞功能的哪些方面与他们的研究最相关。他们的理论模型自旋电子器件也成立了，这项研究是一月份发表在《神经科学前沿》的研究的一部分。这项研究的结果最近也发表在该杂志上。
