宾夕法尼亚大学研究人员开发无处理器学习电路
原文英文，约600词，阅读约需3分钟。
📝
内容提要
宾夕法尼亚大学研究人员设计了一种类似神经网络的低功耗电路，可以学习非线性回归等任务。该电路由晶体管组成的虚拟可变电阻器网络，通过耦合学习调整电阻器的值进行学习。研究人员发现该电路可以学习非线性函数，具有可扩展性和鲁棒性，适用于边缘系统。
❓
Q&A
宾夕法尼亚大学的研究人员开发了什么类型的电路？
他们开发了一种类似神经网络的低功耗电路，可以学习非线性回归等任务。
该电路是如何进行学习的？
该电路通过耦合学习调整虚拟可变电阻器的值进行学习。
这种电路的优势是什么？
该电路具有可扩展性和鲁棒性，适用于边缘系统，且能快速推理，功耗低。
电路在训练过程中是如何工作的？
训练时，两个相同的MOSFET晶体管网络通过电容器连接，电压更新对应神经网络的权重。
研究人员提到的需要解决的问题有哪些？
需要解决网络拓扑的最优选择和系统规模增长对训练时间和功耗的影响等问题。
这种电路的潜在应用领域是什么？
该电路适用于传感器、机器人控制器和医疗设备等边缘系统。
🏷️
