第二十章.多元关联拟脑技术芯片化

模拟程序调了出来，大屏幕上出现关联模型，与原有的多元关联拟脑模型相比，寻址部分又简化了。

林久浩操作着电脑，问道：“形成闭环的部分，可以按照先到先选吗？我们怎么选择？”。

安静也在操作，回答道：“所有闭环输出到一个存储位置，我们后续的第三部分会生成算法芯片，算法芯片去解决择优的问题，而现在这一部分要做的，就是统计归纳规范化信息元，然后把规范后的信息元，纳入一套以类脑细胞型信息元逻辑电路芯片模组里，这是机器人的基本脑模组。”。

“信息量很大，信息元数量也很大。”林久浩看着浩瀚的数据，说道。

安静调出另一张模型图，是设计的类脑细胞模组示意图，说道：“信息存储不在这些芯片里，信息元数量大不用担心，我们设计的信息元逻辑电路芯片，以一个单位信息元细胞开始，然后根据现在的芯片技术，看看一个芯片可以容纳多少个这样的细胞，形成一个类脑细胞芯片，然后我们再定制电路板，看一张电路板能够部署多少个这样的类脑细胞芯片”。

“知道了，然后看一个机器人需要多少这样的电路板，这些不用实际做，电脑就可以模拟出来，肯定可以放进一台拟人机器人里，因为比以前信息元固态存储映射内存的方式，已经节省了大量空间和能源了。”林久浩肯定地说道。

安静继续介绍设计图：“这些逻辑电路芯片是可以接受参数和指令，需要先统计信息元，然后对信息元的类型及连接做统一规划”。

“师姐，你，你们早就开始设计芯片了。”林久浩刚发现，别人也在工作。

“当然，我们内二实验室的第三小组，就是对接芯片设计的，好了，现在知道你的任务了吗？”安静问道

“知道了，我们第一步先归纳统计，规范化信息元，这个工作量巨大，师姐，如果我去做，需要人力。”林久浩说道。

“给你一个加强班，你去当班代，执行命令，完成任务。”安静下达命令。

“是，老大。”林久浩。

“叫我安少校，你叫首长也可以，但是，不能叫老大。。。我又不是山大王。”安静说完，把早就安排好的工作递给林久浩，人员也配备好了，林久浩不用事无巨细，只要盯住自己的小组，按照进度和规范完成任务，而林久浩自己，还要并行计算。

第二步任务，固定的执行脑算法定制计算芯片。当内容解析为信息元后，这些信息元将被储存到特定的队列组或者集合组中，这种信息元集合组被标注到拟脑模型中，作为条件环境参与计算。

把执行脑的过程类固定算法制作成芯片，例如，信息元捕捉函数，在所有分析群体趋势，及设定预设态等执行脑算法中，会被反复调用，这样固定的算法就可以定制为芯片。只要输入相关参数，这些芯片可以按照参数，运行固定算法，输出需要的结果。

其中最重要的是思维行走函数芯片，这是多元关联拟脑模型最关键的函数。该函数的作用是，当执行脑发起一个最简单的指令，例如，对某信息元发起【+++】象限方向的行走，行走函数会向这个象限方向发起行走指令，并按照关联信息元路径行走。

每一个思维行走函数都具备基础的思维路径发散控制方法，例如，令牌控制和深度阈值控制。

在行走的过程中可以积累距离、权重，重复计算角度的叠加状态，检查容忍度，传导参数等。【+++，缺省参数】指令是向【+++】象限发起全路径行走，即所有关联信息元都发起行走，直到出现闭环，行走函数【深度阈值】自动湮灭掉没有闭环的路由。如果执行脑发布的是【+++，指令参数】，例如该指令参数是择优最短，则行走函数按照象限方向，先比对多个直接连接关联信息元的角度距离权重，先择优最短，如果无法形成闭环，再次短，直到形成闭环。如果【+++，h=n】，这是传参数到行走函数，h=n可以替换掉核心信息元原有的固化条件，替换为h=n，这样也改变的了最终闭环的可执行条件。

这些技术在早期的多元关联拟脑模型中已经实现，现在芯片化了。为了减少参数和指令的传递，加快运算速度，安静团队将原来的行走函数的参数指令调节方式，变更为多个算法芯片，即，如果需要采用全路径行走，就调用算法芯片一，如果最短择优行走就调用芯片二，依次类推。

实验室的电脑屏幕上，林久浩检查着芯片设计图，程序在这些芯片中模拟执行过程，林久浩用自己的经验，做着分析判断。

“师姐，最短路径不是最终闭环比对吗？这里为什么还有最短路径行走，这样选择可以直接得到最短路径闭环吗？”林久浩看着规划说明解释部分问道。

“这里最短路径行走，不是最终的最短闭环，而是先走最短距离的直接关联元，形成的闭环不一定是最短闭环，因为最短闭环是路径总和。在第一步行走的时候，就有可能把最短闭环错失了。”安静解释着。