美国能源部旗下洛斯阿拉莫斯国家实验室（Los Alamos National Laboratory）研究人员在国际期刊《自然物理》（Nature Physics）上刊登论文指出，他们完成了一项破天荒的实验性实现，也即人工打造出一个由纳米磁铁（nanomagnet）组成的自旋玻璃（Spin Glass），以利用来复制神经网络，此举有可能引发人工智能领域的新典范。自旋玻璃不同寻常的特性能使某种形式的人工智能能够像大脑一样从部分图片中识别物体，这也展现出低功耗运算的前景。
洛斯阿拉莫斯国家实验室研究团队的最新研究，可说是第一次利用电子束光刻技术，自由调整这些自旋系统之间的交互作用，这使得它能够表示自旋玻璃网络中的各种运算问题。自旋玻璃系统可说是一种由材料中两种磁序（Magnetic Order）之间随机交互与竞争而产生的纳米磁铁无序系统。它们会表现出所谓的“阻挫现象”（Frustration），这意味着当它们温度下降时，它们不会处于统一有序的配置状态，而且它们具有独特的热力学和动力学特征，可以用于运算应用上。
该研究团队将人工自旋玻璃当作一个原理验证（Proof-of-Principle，PoP）的Hopfield神经网络来制造和观察，它可以为联想记忆（Associative Memory）进行数学建模，以解释人工自旋系统的无序性。自旋玻璃和Hopfield网络已经发展成共生关系。联想记忆（无论是在Hopfield网络还是其他形式的神经网络中）会将两个或多个与某物体相关的记忆模式连接起来。如果只有一段记忆被触发，神经网络也能回忆起整张脸的面貌。与更传统算法不同的是，联想记忆并不需要完全相同的场景与场景来确认记忆。
比起其他神经网络，自旋玻璃网络比较不受噪声的干扰。同时，在自旋玻璃中开发的AI算法将比传统算法“更无序”，但对于某些AI应用来说也更灵活。
（首图来源：Los Alamos National Laboratory）