'Hexagonal kunstig spin-is grundtilstand' - et mønster, der aldrig er demonstreret før. Farvede pile viser nord- eller sydpolarisering. Kredit:Gartside et al/Imperial College London
Forskere har vist, hvordan man skriver ethvert ønsket magnetisk mønster på nanotråde, som kunne hjælpe computere med at efterligne, hvordan hjernen behandler information.
Meget nuværende computerhardware, såsom harddiske, bruge magnetiske hukommelsesenheder. Disse er afhængige af magnetiske tilstande - den retning mikroskopiske magneter peger - for at kode og læse information.
Eksotiske magnetiske tilstande - såsom et punkt, hvor tre sydpoler mødes - repræsenterer komplekse systemer. Disse kan virke på samme måde som mange komplekse systemer, der findes i naturen, såsom måden vores hjerne behandler information på.
Computersystemer, der er designet til at behandle information på lignende måder som vores hjerner, er kendt som 'neurale netværk'. Der er allerede kraftfulde software-baserede neurale netværk - for eksempel slog et for nylig den menneskelige mester i spillet 'Go' - men deres effektivitet er begrænset, da de kører på konventionel computerhardware.
Nu, forskere fra Imperial College London har udtænkt en metode til at skrive magnetisk information i ethvert ønsket mønster, ved hjælp af en meget lille magnetisk sonde kaldet et magnetisk kraftmikroskop. Med denne nye skrivemetode, arrays af magnetiske nanotråde kan muligvis fungere som hardware-neurale netværk - potentielt mere kraftfulde og effektive end software-baserede tilgange.
Illustration af atomkraftmikroskopspidsen, der skriver en nanotråd. Kredit:Gartside et al/Imperial College London
Holdet, fra Institut for Fysik og Materialer på Imperial, demonstreret deres system ved at skrive mønstre, der aldrig er set før. De offentliggjorde deres resultater i dag i Natur nanoteknologi .
Dr Jack Gartside, førsteforfatter fra Institut for Fysik, sagde:"Med denne nye skrivemetode, vi åbner op for forskning i at 'træne' disse magnetiske nanotråde til at løse nyttige problemer. Hvis det lykkes, dette vil bringe hardware-neurale netværk et skridt tættere på virkeligheden."
Samt applikationer inden for computere, metoden kunne bruges til at studere grundlæggende aspekter af komplekse systemer, ved at skabe magnetiske tilstande, der er langt fra optimale (såsom tre sydpoler sammen) og se, hvordan systemet reagerer.