Forskere udvikler atomskala hardware til at implementere naturlig computing

(Phys.org) - På trods af computernes mange store præstationer, ingen menneskeskabt computer kan lære af sit miljø, tilpasse sig sine omgivelser, spontant selvorganiseret, og løse komplekse problemer, der kræver disse evner samt en biologisk hjerne. Disse evner stammer fra det faktum, at hjernen er et komplekst system, der er i stand til at opstå adfærd, hvilket betyder, at systemet involverer interaktioner mellem mange enheder, hvilket resulterer i makroskalaadfærd, der ikke kan tilskrives nogen enkelt enhed.

Desværre, konventionelle fremstillingsmetoder, der bruges til nutidens computere, kan ikke bruges til at realisere komplekse systemer til deres fulde potentiale på grund af skaleringsgrænser - metoderne kan simpelthen ikke lave små nok sammenkoblede enheder.

Nu i et nyt papir udgivet i Nanoteknologi , forskere ved UCLA og National Institute for Materials Science i Japan har udviklet en metode til at fremstille en selvorganiseret kompleks enhed kaldet et atomskiftnetværk, der på mange måder ligner en hjerne eller anden naturlig eller kognitiv computerenhed.

"Komplekse fænomener og selvorganisering-skønt allestedsnærværende i naturen, social adfærd, og økonomien - har aldrig været vellykket brugt i konventionelle computere til forudsigelse og modellering, "James Gimzewski, Kemiprofessor ved UCLA, fortalt Phys.org . "Den enhed, vi har skabt, er i stand til hurtigt at generere selvorganisering i en lille chip med høj hastighed. Desuden er det omgår spørgsmålet om eksponentiel maskinkompleksitet, der kræves som en funktion af problemkompleksitet som i nutidens computere. Vores første trin danner grundlaget for en ny type beregning, der er presserende nødvendig i vores stadig mere og mere forbundet verden. "

Som forskerne forklarer, en atomkontakt er en nanoskalaenhed, der udviser memristiv modstand, hvilket betyder, at den justerer sin modstand til en påført strøm eller spænding baseret på dens hukommelse fra tidligere møder. Denne egenskab er afgørende for komplekse systemer, fordi den ligger til grund for evnen til at lære, interagere med miljøet, og løse problemer, hvor data konstant ændres eller er ufuldstændige.

Selvom nogle naturlige computerenheder bruger naturlige materialer, atomkontaktnetværket, der er udviklet her, er udelukkende fremstillet af uorganiske materialer. Litografisk mønstrede kobberpæle danner et "mønstret frønetværk, "oven på hvilken der dyrkes sølv nanotråde. Slutresultatet er et netværk af sølv sulfid switches og sølv nanotråde, der forbinder switchene.

Eksperimenter viste, at atomskiftnetværket udviser fremtrædende adfærd, hvor interaktioner mellem de enkelte atomkontakter fører til mønstre af elektrisk aktivitet, der ikke kan tilskrives nogen individuel switch, men kun til netværket som helhed. Atomskifternetværket har også en iboende kapacitet til tilpasning, da nanotrådforbindelserne i sølv konstant rekonfigurerer sig selv, og switchene konstant dannes og opløses forskellige steder i netværket.

Disse egenskaber adskiller sig meget fra konventionelle computere og kan bruges til at løse unikke sæt komplekse problemer. Forskerne ser særlige applikationer inden for reservoir computing, som har potentiale til at behandle oplysninger til meget høje hastigheder.

"Potentielle applikationer inkluderer at køre flere simuleringer af finansielle markeder, genkendelse af oplysninger i fejlfølsomme og støjende data, såsom syn og tale, hele vejen til autonom navigation i skiftende miljøer, såsom efter jordskælv eller katastrofer, "Sagde Gimzewski." Endelig reservoir computing spiller en rolle inden for medicin inden for kognitive og neurovidenskaber. "

Forskerne håber, at den nye fabrikationsstrategi for frøstyret vækst, der bruges her, vil give en ny hardware-platform til reservoir-computing og andre former for naturlig computing baseret på komplekse systemer.

"Vi planlægger at bevæge os mod et hybrid morfisk system ved hjælp af det bedste fra konventionel beregning med vores hjernelignende enhedskapaciteter, og at udvikle en ny form for programmering, der er afhængig af distribueret hukommelse og synaptiske netværk, "Gimzewski sagde." Dette ville være et radikalt skridt i den virkelige udvikling af AI. "

© 2015 Phys.org