第84章【二更】(第1/2 页)

顿涅瑟斯作为全球最有钱的学校之一,老教授们集体出行的待遇自然也差不了。

数学系的教授们加上他们要带去的学生，刚好填满这架超大型客机的头等舱。

景长嘉与封照野的位置分在中间，前后都是数学系的老教授。登机之后，前面的教授要聊泛函分析,后面的教授要谈微分流形。

景长嘉莫名有一种自己正在经历开学考的错觉,而封照野则早早举起“我是经济系的”免考金牌,坐在一边笑眯眯地给景长嘉喂小零食。

戈麦斯看见他俩相处就觉得怪里怪气，自己拆了一包小零食把小挡板一拉，来了个眼不见为净。

威尔逊则是笑眯眯地让他的学生也去把那些大大超纲的难题都听一听。要是能从讨论里获得只言片语的灵感,对学生而言就是相当大的收获。

等到飞机正式起飞,老教授们才安静了下来。

景长嘉拉起自己这边的小挡板后，掏出随身带着的笔记本，开始做在家里未完成的工作。

ai芯片的最大特征就是用复杂的深度神经网络模拟人脑的思考模式。在这其中,神经元的早期活动、神经元的决定论与随机活动、突触的信号传递,都是芯片运算的重中之重。

通过论文判断，目前顿涅瑟斯的芯片实验室,应该就是卡在神经元随机运算里。新的混沌模型可以解决一部分问题，但机器模拟的突触传递，依然是个极大的难点……

两个明显的随机特征,要怎么才能通过神经与神经的传递，最终被信号选择？在扩大了自发性的突触选择后,又要怎么才能做到节能减耗？

未来世界的芯片学专著里,有一部分答案。但要将它们逆推到现今科学足够运用的程度，还需要很长的一段路要走。

数学能给他一部分答案,但解决这些问题却绝不仅仅只是依靠数学。

封照野探头看了很久他的笔记本，才低声说：“现在主流的研究方向是用互补金属与半导体组成芯片。利用长短期网络与矢量矩阵的复用来稳定精准度，降低运算的延迟与能耗。”

“所以其实除开模型本身,材料与工艺也是个大问题。”景长嘉手酸脖子酸的停下了手，“你怎么知道我在算这个？”

“你订购的期刊我都看过。”封照野递给他一张毯子，“要不要休息一会儿？”

景长嘉埋头写了几个小时，现在停下来，就有一股疲惫蔓延上来。

他站起来用力伸

本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！