未来，现代机器不仅应该快速、精确地遵循算法，而且还应该以类似于人脑的方式智能地运行。来自多特蒙德、拉夫堡、基辅和诺丁汉的科学家现已开发出一种受视力启发的概念，可以使未来的人工智能更加紧凑和高效。

他们构建了一个用于神经形态计算的片上声子-磁振子库，该库最近被NatureCommunications评为编辑亮点。

人类的感觉器官将光或气味等信息转换成大脑通过由更多突触连接的无数神经元进行处理的信号。大脑的训练能力，即转换突触的能力，加上神经元的巨大数量，使人类能够处理非常复杂的外部信号并快速形成对它们的反应。

研究人员正试图用复杂的神经形态计算机系统(类似于人类神经系统的神经生物学结构的系统)来模仿信号传输和训练​​的原理。然而，现代技术距离实现可比的信息密度和效率仍然无限遥远。

旨在改进神经形态系统的方法之一是储存库计算框架。在这里，输入信号被映射到称为储库的多维空间中。该水库未经训练，仅通过简化的人工神经网络加快识别速度。

这导致计算资源和训练时间的大量减少。自然储库计算的一个典型例子是人类视觉：在眼睛中，视觉信息经过数亿个视网膜感光器的预处理，并转换成电信号，由视神经传输到大脑。这个过程大大减少了视觉皮层在大脑中处理的数据量。

现代计算机系统在处理数字化信号时可以模拟水库功能。然而，当自然物理系统能够像人类视觉一样直接利用模拟信号进行油藏计算时，就会实现根本性的突破。

由来自多特蒙德、拉夫堡、基辅和诺丁汉的研究人员组成的国际团队开发了一种新颖的概念，使此类突破更加接近。

该概念提出了一种基于混合在25x100x1立方微米芯片中的声波(声子)和自旋波(磁振子)的储层。该芯片由多模声波导组成，可以通过该多模声波导传输多种不同的声波，并覆盖有图案化的0.1微米厚的磁性薄膜。

超短激光脉冲序列传递的信息在识别之前通过转换为传播的声子-磁振子波包进行预处理。传播波的短波长导致高信息密度，这使得能够自信地识别激光在小于一个像素的极小的区域上绘制的视觉形状。

该概念的作者之一、拉夫堡大学的亚历山大·巴拉诺夫教授表示：“作为储库的物理系统的潜力对我们来说是显而易见的，因为它具有可变性和多维性的惊人组合。”