研究人員開發了一種新型的存儲單元，既可以存儲信息，又可以進行高速，高效率計算。
記憶單元使用戶能夠在記憶陣列內運行高速計算。。更快的處理速度和低能消耗可以幫助擴展數據中心（AI）系統。
“在擴大數據中心或計算有成千上萬的GPU [圖形處理單元]的計算農場中，有很多力量和大量精力正在同時運行，”內森·揚布洛德匹茲堡大學的電氣和計算機工程師告訴現場科學。 “而且解決方案並不一定是為了使事情變得更有效。這只是購買越來越多的GPU並花費越來越多的功率。因此，如果Optics可以解決一些相同的問題，並更加有效，更快地做到這一點，這將導致功耗減少和越來越多的吞吐量機器學習系統。”
新單元使用磁場通過環形諧振器將傳入的光信號順時針或逆時針引導，該諧振器會加劇某些波長的光，並進入兩個輸出端口之一。根據每個輸出端口處的光強度，內存單元可以編碼一個零和一個之間的數字，或者在零和減去之間。與傳統的存儲單元僅編碼零或一位信息中的一個值，新單元可以編碼幾個非刻板值，從而使其可存儲高達3.5位。
有關的：
這些逆時針和順時針的光信號類似於“在賽道上以相反方向奔跑的兩名跑步者，風總是面對一個，另一個跑步者。
圍繞環諧振器所產生的數字可以用來加強人工神經網絡中的節點之間的連接或弱化，這些節點是機器學習算法，它們以類似於人腦的方式處理數據。 Youngblood說，這可以幫助神經網絡識別圖像中的對象。
與傳統計算機在中央處理單元中進行計算，然後將結果發送到內存，新的內存單元在內存數組本身內部執行高速計算。 Youngblood說，內存計算對於需要非常快速處理大量數據的人工智能等應用程序特別有用。
研究人員還證明了磁光細胞的耐力。研究人員寫道，他們在沒有觀察到任何降解的情況下在細胞上進行了超過20億個寫作和擦除週期，這比過去的光子記憶技術的改善是1,000倍。
將來，Youngblood和他的同事希望將多個電池放在計算機芯片上，並嘗試更高級的計算。
Youngblood說，最終，這項技術可以幫助減輕運行人工智能係統所需的功率。
