Forsker studerer materialer, hvis træk ligner den menneskelige hjernes træk

I sin storhedstid var UIUC's Blue Waters en af ​​verdens bedste supercomputere. Enhver, der var nysgerrig, kunne kigge forbi dets 30.000 kvadratmeter store maskinrum for en rundvisning og tilbringe en halv time på at slentre blandt de 288 enorme sorte kabinetter, understøttet af en 24 megawatt strømforsyning, der husede dets hundredtusindvis af computerkerner .

Blue Waters er væk, men i dag er UIUC hjemsted for ikke kun én, men titusindvis af langt overlegne computere. Selvom disse vidunderlige maskiner gør Blue Waters til skamme, vejer hver enkelt kun tre pund, kan de få næring af kaffe og sandwich og er kun på størrelse med ejerens to hænder krøllet sammen. Vi bærer dem alle mellem ørerne.

Faktum er, at menneskeheden langt fra har kunstige computere, der kan matche den menneskelige hjernes evner, uden for en snæver række af veldefinerede opgaver. Vil vi nogensinde fange hjernens magi? For at hjælpe med at besvare det spørgsmål har MRL's Axel Hoffmann for nylig ledet skrivningen af ​​et APL Materials "Perspektiver"-artikel, der opsummerer og reflekterer over bestræbelser på at finde såkaldte "kvantematerialer", der kan efterligne hjernefunktion.

"Den grundlæggende idé om, hvad vi diskuterer i dette papir, er følgende:at informationsteknologier bliver mere og mere energikrævende," siger Hoffmann, der er grundlægger af professor i Materials Science &Engineering. "Du ved, vi bruger meget mere beregning, end vi plejede til alle slags ting... og nogle af disse ting tager en overraskende stor mængde energi."

Yderligere er traditionelle komplementære metal-oxid-halvleder-computere (CMOS) ikke engang velegnede til mange af nutidens beregningsopgaver, såsom billedgenkendelse, som kan involvere støjende data og dårligt definerede funktioner af interesse. "CMOS er blevet konstrueret til virkelig at være en meget præcis maskine, hvor den holder forskellige informationstilstande godt adskilt," forklarer Hoffmann. "Så den er ikke særlig veldesignet til at gøre ting, hvor der er mange tilfældigheder og udsving."

Den menneskelige hjerne kan på den anden side sagtens klare sådanne vanskelige opgaver, mens den forbruger dramatisk mindre energi end moderne computere. "Så tanken er nu, kan vi hente inspiration fra den naturlige hjerne til at finde mere energieffektive måder at udføre informationsbehandling på?" spørger Hoffmann.

Ifølge den forskningslinje, der diskuteres i papiret, vil løsningen være "materialer, der besidder nogle af de samme egenskaber, som du finder i den naturlige hjerne."

Visse "kvantematerialer" - materialer, hvis fysiske egenskaber ikke kan beskrives fuldstændigt i enkle vendinger - ser ud til at passe til regningen. For eksempel har nogle af dem tendens til at oscillere på en måde, der ligner de svingninger, der dannes naturligt i hjernen.

"Vi vil se på materialer, der i sagens natur er ustabile og svingende," siger Hoffmann. "Det er meget forskelligt fra den traditionelle computer, hvor du vil have meget store energibarrierer mellem dine logiske nuller og ener, så de er veldefinerede og godt adskilte."

Yderligere, i en traditionel computer, er hukommelsen og beregningsenheden adskilte, og data blandes løbende frem og tilbage mellem dem - en væsentlig årsag til, at beregningen er så energikrævende.

"I den naturlige hjerne," på den anden side, "er beregningen og hukommelsen meget mere samlokaliseret," siger Hoffmann. "Information... er meget mere fordelt over hele netværket, så der er ingen grund til at flytte rundt på dem."

Kvantematerialer åbner kort og godt døren til computere, der tilbyder meget energieffektive "frem og tilbage" og kan jonglere med flere mulige tilstande, mens de bruger meget lidt energi.

Hoffmann var medforfatter til Perspectives-stykket sammen med sine kolleger fra det UCSD-ledede, DOE-finansierede Quantum Materials for Energy Efficient Neuromorphic Computing-center. Hans egen forskning på dette område fokuserer hovedsageligt på magnetiske materialer, og hvordan man skalerer magnetiske oscillerende systemer op fra proof-of-concept eksperimenter til nyttige systemer. + Udforsk yderligere

Quantum computer fungerer med mere end nul og én