类器官通过输入层接收信号，该输入层将信号转换为电刺激的信号。大脑类器官充当了自适应数据库，将这些信号映射到输出层。在输出层中则记录了表示储层状态的神经活动，并对其进行解码以提供用于分类，识别和预测等应用的读数。

通过评估变化的脉冲时间和电压的刺激的响应，测试了Brainoware的物理储层特性，包括非线性动力学，空间信息处理和褪色记忆。然后将该系统应用于实际任务，例如语音识别和非线性混沌方程预测。

在语音识别任务中，Brainoware需要在说话者池中识别说话者的声音。总共使用了由八个不同的男性说话者发音的240个孤立的日语元音音频剪辑来训练系统。

最终他们在仅仅只花了传统硬件不到10%的训练时间下，实现了相同的结果。

好了，两个例子讲完了。

这两个例子说明了，现在国外的硬件存在着天然弊端，HBM模型在传统硅基芯片的适应效果是非常差的。

当然我暂时也没有搞出可以大规模商用的大脑类器官来取代硅基芯片。

但我可以告诉各位的是，如果国外想用HBM模型，那么他们必须要买东大产的拓扑半金属芯片，相当于我们卡住了硬件端。

话说回来，即便技术不开源，考虑到HBM模型要取得进展，我们需要和国内头部的科技公司们合作，参与的人越多，技术泄露的风险也就越大。

我们不如直接开源，从上游硬件端卡住供应。

和所有参与其中的国家和组织，签一个技术开源协议，围绕HBM模型获得的所有技术进展都需要开源，不能运用在军事领域。

如果你不遵守，那么我们有协议为依据，可以正大光明地拒绝供应拓扑半金属芯片。

简单来说就是，技术早晚会泄露，而我们从硬件端有着绝对的控制权，开源给其他国家，能够全球共同来推动HBM技术的发展，帮助东大芯片企业们打开全球市场大门。

当然我认为可以交易的东西还有很多，都可以慢慢谈。”

上面提到的Brainoware是23年12月Nature的电子子刊上发表的一篇文章。

生物和机械结合构建的复合机器，在非线性方程的计算和语音识别上有着超凡潜力。

说不定以后机械飞升都是少数群体的特权。

陈元光详细表述之后，支持开源的声音占了上风。

“我认为元光说得非常好，这对我们来说是一枚非常有价值的筹码，拿出去可以，但是得换回足够有价值的东西。”

“我也支持，刚刚元光提到的我们芯片产业进军海外市场，我认为这是他们要使用HBM技术不得不采取的策略。

就像我们过去不得不买英伟达的显卡一样，因为市场上去缺乏替代品。

而我们得谈一些实质性的好处回来。”

“我赞同刚刚各位的看法，我有一个疑问想请教一下你，就是你刚刚提到哈佛的研究，人类脑组织和计算机硬件结合的设备，你提到的是暂时没有搞出来。

我想问，我们未来要不要走这个技术路线？

这个技术路线是否有潜力。”

这个问题不仅他好奇，在场很多人都好奇。

机械与肉体的结合，这可能会对伦理造成严重冲击。

“这条技术路线非常有前途，但成本太高，无论是类器官的生成和维护，还是说整个设备的功耗，以及数据层面的效率管理，都存在很大问题。

我们可以通过自然基金赞助一些预研究的项目，但是没有必要在这条技术路线上去做开拓者。”陈元光说。

等到会结束，大家意见逐渐趋于统一。

“元光，HBM模型如果只能用拓扑半金属芯片，那么我想技术开源是完全可以谈的。

接下来已经安排具体的司去找专家做验证，对真实性进行核验，写一个详细的报告递上来。

这不是不信任你，而是这件事关系到我们很重要的一个工作方向，从工作角度要把事情给做严谨。”

(本章完)

(/11207/11207025/10100687.html)

。