研究人员开发了一种新型的存储单元，既可以存储信息，又可以进行高速，高效率计算。
记忆单元使用户能够在记忆阵列内运行高速计算。。更快的处理速度和低能消耗可以帮助扩展数据中心（AI）系统。
“在扩大数据中心或计算有成千上万的GPU [图形处理单元]的计算农场中，有很多力量和大量精力正在同时运行，”内森·扬布洛德匹兹堡大学的电气和计算机工程师告诉现场科学。 “而且解决方案并不一定是为了使事情变得更有效。这只是购买越来越多的GPU并花费越来越多的功率。因此，如果Optics可以解决一些相同的问题，并更加有效，更快地做到这一点，这将导致功耗减少和越来越多的吞吐量机器学习系统。”
新单元使用磁场通过环形谐振器将传入的光信号顺时针或逆时针引导，该谐振器会加剧某些波长的光，并进入两个输出端口之一。根据每个输出端口处的光强度，内存单元可以编码一个零和一个之间的数字，或者在零和减去之间。与传统的存储单元仅编码零或一位信息中的一个值，新单元可以编码几个非刻板值，从而使其可存储高达3.5位。
有关的：
这些逆时针和顺时针的光信号类似于“在赛道上以相反方向奔跑的两名跑步者，风总是面对一个，另一个跑步者。
围绕环谐振器所产生的数字可以用来加强人工神经网络中的节点之间的连接或弱化，这些节点是机器学习算法，它们以类似于人脑的方式处理数据。 Youngblood说，这可以帮助神经网络识别图像中的对象。
与传统计算机在中央处理单元中进行计算，然后将结果发送到内存，新的内存单元在内存数组本身内部执行高速计算。 Youngblood说，内存计算对于需要非常快速处理大量数据的人工智能等应用程序特别有用。
研究人员还证明了磁光细胞的耐力。研究人员写道，他们在没有观察到任何降解的情况下在细胞上进行了超过20亿个写作和擦除周期，这比过去的光子记忆技术的改善是1,000倍。
将来，Youngblood和他的同事希望将多个电池放在计算机芯片上，并尝试更高级的计算。
Youngblood说，最终，这项技术可以帮助减轻运行人工智能系统所需的功率。
