根据宾夕法尼亚州立大学的研究团队，大脑里有一种细胞被称为星形胶质细胞，弄清晰其功能，以物理硬件设备模拟，可能形成高效的人工智能(AI)和机器学习，比目前技术更擅长自主自我纠错，消耗更少的能量。
星形胶质细胞因其星形而得名，是一种胶质细胞，是大脑神经元的支持细胞。它们在记忆、学习、自我修复和同步等大脑功能中发挥着至关重要的作用。
电子工程和计算机科学助理教授Abhronil Sengupta说:“这个项目源于计算神经科学最近的观察，因为人们对大脑如何工作已经付出了大量的努力，有了一定理解，并且正在试图修改简单的神经元-突触连接模型。”“事实证明，大脑中还有第三种成分——星形胶质细胞，它是大脑细胞的重要组成部分，但它在机器学习和神经科学中的作用一直被忽视。”
与此同时，人工智能和机器学习领域生机勃勃。根据分析公司Burning Glass Technologies的数据，到2025年，人工智能和机器学习技能的需求预计将以71%的复合增长率增长。然而，随着这些技术的使用增加，人工智能和机器学习面临着挑战——消耗大量能源。
Sengupta说:“人工智能和机器学习一个经常被低估的问题是系统的功耗。例如，几年前，IBM试图模拟一只猫的大脑活动，结果消耗了大约几兆瓦的电力。如果在我们今天可以拥有的最好的超级计算机上模拟人类大脑活动，功耗远不止这个数。”
所有这些电力消耗都是由于开关、半导体和其他发生在计算机处理中的机械和电子过程的复杂舞蹈，当这些过程像人工智能和机器学习所要求的那样复杂时，这种舞蹈将大大增加。一个潜在的解决方案是神经形态计算，即模拟大脑功能的计算。研究人员之所以对神经形态计算感兴趣，是因为人脑已经进化到比计算机消耗更少的能量，所以模仿这些功能将使人工智能和机器学习更节能。
另一种可能用于神经形态计算的大脑功能是大脑如何自我修复受损的神经元和突触。
Sengupta说:“星形胶质细胞在大脑的自我修复中发挥着非常重要的作用。”“当我们试图想出这些新的设备结构时，我们试图形成一个人工神经形态硬件的原型，这是由许多硬件级故障的特征。因此，也许我们可以从计算神经科学中获得见解，基于星形胶质细胞如何在大脑中引起自我修复，并利用这些概念可能导致神经形态硬件的自我修复，以修复这些故障。”
Sengupta的实验室主要研究自旋电子设备，这是一种通过自旋电子处理信息的电子设备。研究人员检查了这些设备的磁性结构，以及如何通过在设备的内在物理学中模拟大脑的各种神经突触功能来使它们具有神经形态。
研究人员还为此开发了神经科学模型，包括星形胶质细胞模型，以了解星形胶质细胞功能的哪些方面与他们的研究最相关。他们还建立了自旋电子器件的理论模型。
这项研究是1月份发表在《神经科学前沿》上的一项研究的一部分。这项研究的结果最近也发表在了该杂志上。
