Forskere bruger uordnet stof til beregning, udviklende banebrydende nanopartikel boolesk logiknetværk

(Phys.org) – Naturlige computere, såsom udviklede hjerner og cellulære automater, udtrykke sofistikerede indbyrdes forbundne netværk og udviser massiv parallelitet. De tilpasser sig også til at udnytte lokale fysiske egenskaber såsom kapacitiv krydstale mellem kredsløb. Derimod syntetiske computere kanaliserer aktivitet i henhold til etablerede designregler og tilpasser sig ikke til at udnytte deres omgivelser. Dermed, forskere er interesserede i at bruge selve stof til beregning.

Forskere har spekuleret i evnen til at udvikle designløse nanoskala netværk af livløst stof med samme robuste kapacitet som naturlige computere, men har endnu ikke realiseret konceptet. Nu, en gruppe forskere rapporterer i Natur nanoteknologi et uordnet nanomaterialesystem, der blev kunstigt udviklet ved at optimere værdierne af styrespændinger i henhold til en genetisk algoritme.

Ved at bruge indbyrdes forbundne metal nanopartikler, som fungerer som ikke-lineære enkelt-elektron transistorer, forskerne var i stand til at udnytte systemets nye netværksegenskaber til at skabe en universel, rekonfigurerbar boolesk gate. Forfatterne bemærker, at deres system opfylder kravene til et cellulært neuralt netværk - universalitet, kompakthed, robusthed og udviklingsevne. Deres tilgang arbejder omkring enhed-til-enhed-variationerne, der bliver stadig sværere at tilpasse, efterhånden som halvledere nærmer sig nanoskalaen, og som resulterer i usikkerhed i ydeevnen.

Deres system er et uordnet nanopartikelnetværk, der kan omkonfigureres in situ til en hvilken som helst to-input boolsk logisk gate ved at indstille seks statiske styrespændinger. Den udnytter den rige opståede adfærd af op til 100 vilkårligt forbundne nanopartikler. Til eksperimentet, forskerne brugte 20 nm guld nanopartikler forbundet med isolerende molekyler. Disse enkelt-elektron transistorer udtrykker stærkt ikke-lineær koblingsadfærd, og forskerne ledte efter logiske porte blandt de gensidige interaktioner mellem dem.

Den hurtigste metode viste sig at være kunstig evolution. De udviklede en genetisk algoritme, der fulgte de velkendte regler for naturlig udvælgelse, betragter hver styrespænding som et gen og det komplette sæt af systemspændinger som et genom. Den bedst ydende (dvs. "fittest") genomer blev bevaret og forbedret via en sammensat klonings-opdrætstilgang. De ønskværdige træk ved initialen, for det meste lavtydende genomer blev videregivet selektivt til efterfølgende generationer.

For hver logisk port udviklet, den genetiske algoritme konvergerede næsten altid til et levedygtigt genom inden for mindre end 200 generationer. Forskerne bemærker, at på grund af de langsomme inputsignaler, de brugte, processen tog omkring en time; optimering af systemopsætningen kan resultere i hurtigere udvikling.

"Ved at bruge den kunstige udviklingsprocedure... lykkedes det os at realisere fuldt konfigurerbare, robust boolsk logik i uordnede nanopartikelnetværk ved vores basistemperatur på ~0,3 K. Disse resultater omfatter den første eksperimentelle demonstration af udnyttelse af uordnet stof på nanoskalaen til beregningsfunktionalitet, " skriver forfatterne.

De bemærker, at systemet opfylder kriterierne for den fysiske realisering af cellulære neurale netværk, og at den samme evolutionære tilgang med et mere sofistikeret elektrodelayout kunne give mange flere beregningsopgaver. "Vores evolutionære tilgang arbejder omkring enhed-til-enhed variationer på nanoskala og de medfølgende usikkerheder i ydeevne, som i stigende grad bliver en flaskehals for miniaturisering af konventionelle elektroniske kredsløb. Resultaterne, derfor, også skal ses i lyset af disse spændende muligheder, " de skriver.

© 2015 Phys.org