Nanopartikel-baseret computerarkitektur til nanopartikel neurale netværk

Skalerbare nanopartikel-baserede computerarkitekturer har adskillige begrænsninger, der i alvorlig grad kan kompromittere brugen af ​​nanopartikler til at manipulere og behandle information gennem molekylære computersystemer. Von Neumann-arkitekturen (VNA) ligger til grund for operationerne af flere vilkårlige molekylære logiske operationer i en enkelt chip uden omledning af enheden. I en ny rapport, Sungi Kim og et team af forskere ved Seoul National University i Sydkorea udviklede det nanopartikelbaserede VNA (NVNA) på en lipidchip. Nanopartiklerne på lipidchippen fungerede som hardware - med minder, processorer og outputenheder. Holdet brugte DNA-strenge som software til at give molekylære instruktioner til at programmere de logiske kredsløb. Den nanopartikel-baserede von Neuman-arkitektur (NVNA) gjorde det muligt for en gruppe af nanopartikler at danne et feed-forward neuralt netværk kendt som en perceptron (en type kunstigt neuralt netværk). Systemet kan implementere funktionelt komplette booleske logiske operationer for at give en programmerbar, nulstillelig og skalerbar computerarkitektur og printkort til at danne nanopartikelneurale netværk og træffe logiske beslutninger. Værket er nu udgivet på Videnskabens fremskridt .

Von Neumann-arkitekturen i moderne databehandling og molekylær databehandling

Fortidens elektroniske computere kunne kun køre et fast program, og forskere var nødt til fysisk at omkoble og omstrukturere processer for at omprogrammere sådanne maskiner. Von Neumann-arkitekturen (VNA) udviklet af John von Neumann i 1945 og senere citeret af Alan Turing i hans forslag til den automatiske computermotor, detaljer om en computer med et lagret program til at udføre et sæt instruktioner. Systemet behandlede information ved sekventielt at hente de lagrede data og instruktioner fra hukommelsen for at generere output. Den kraftfulde programmerbarhed af VNA er anvendelig til moderne computere og i kvanteberegning.

Molekylær databehandling med nanostrukturer kan tillade en række forskellige teknologier såsom nanopartikellogiske porte, enkelt-molekyle biosensorer og logisk sansning, selvom sådanne systemer er begrænset til et enkelt program ligesom tidlige elektroniske computere. Grænserne opstod, da forskere inkorporerede softwaren (funktionen) og nanostrukturel hardware som en enkelt enhed. For at overkomme denne udfordring, de kan inkludere lipid-dobbeltlag for at opdele molekyler og nanopartikler. Kim et al. havde tidligere udviklet en computerplatform med nanopartikler på et lipid-dobbeltlag for at danne en nano-bio-computing lipid nanotablet (LNT). I dette arbejde, de designede og realiserede en nanopartikel-baseret von Neuman architecture (NVNA) platform til molekylær databehandling på en lipid nanotablet (LNT).

Holdet skabte en enhed med lagret program til at implementere molekylær databehandling via von Neumann-arkitekturen med nanopartikler, samtidig med at begrebet hukommelse til at gemme molekylær information. De adskilte softwaren og hardwaren for skalerbarhed af informationsbehandling i lipid nanotabletten (LNT) for at udføre flere beregningsopgaver uden at udvikle en ny enhed hver gang. For at sammensætte LNT-hardwarechippen, de brugte tre typer DNA-modificerede nanopartikler, inklusive nano-hukommelsen (NM), nano-flyder (NF), og nano-reporter (NR). Nano-hukommelsen og nano-reporteren var immobile nanopartikler, der fungerede som en molekylær informationslagringsenhed og outputenhed, henholdsvis. De omtalte de mobile nanopartikler som nano-flydere, der frit diffunderede og kolliderede med immobile partikler. Forskerne funktionaliserede de plasmoniske nanopartikler ved at modificere dem med thiolerede DNA-oligonukleotider. Så til datalagring, de fyldte forskellige koncentrationer af NF, NM- og NR-nanopartikler på lipid-nano-tabletten (LNT). For at udvikle softwaren, Kim et al. brugte et sæt instruktions-DNA'er i opløsning, og den logiske operation fulgte tre trin.

Holdet lagrede først den molekylære information på nano-hukommelsesenheden (NM) via DNA-hybridisering. For eksempel, en enkelt NM-partikel kunne danne en en-bit hukommelsesenhed, hvor nul eller én repræsenterede den bistabile tilstand. I andet trin, de udførte den logiske operation som en kombination af instruktions-DNA'er, at igangsætte konkurrencedygtig nanopartikel-nanopartikelsamling med forskellig kinetik baseret på nanopartikel-hukommelsestilstanden. For at nulstille computerchippen til dens oprindelige tilstand, Kim et al. tilføjet en nulstillingsopløsning (lav saltbuffer og høj temperatur), som adskilte input- og instruktions-DNA-baseparringerne på chippen.

Kim et al. brugte to typer instruktions-DNA'er ved navn Trap og Report DNA'er til at give instruktioner til nano-flyderne. De designede specifikt Trap DNA til at binde nano-flyderne for at danne logiske beslutningstagningsnanopartikler. Holdet optimerede koncentrationen af ​​instruktions-DNA'er og tætheden af ​​hver nanopartikel for at inducere hurtig fangstkinetik sammenlignet med rapportering. Den konkurrerende fælde- og rapporteringsadfærd resulterede i bindingskinetik udtrykt som en hvis-så-andet-sætning, giver dem mulighed for først at søge, om If-betingelsen opfyldte TRUE eller FALSE-operationerne, og derefter bruge "then"- eller "else"-sætningen. Forskerne implementerede den logiske operation ved at blande fælde-DNA og Rapport-DNA i NVNA-LNT-chippen. Under processen, de bemærkede samlingen af ​​nogle få logisk forbudte stater, som de optimerede yderligere.

Nanopartikel neuralt netværk med nulstilling og genanvendelighed

Holdet repræsenterede reaktionsnetværket mellem flere nanopartikler forbundet via instruktions-DNA'er, ved hjælp af en perceptron - en type kunstigt neuralt netværk til en binær klassifikator. De udvidede programmeringsstrategien til at konstruere nanopartikelneural netværket (NNN) på LNT-platformen og implementerede vilkårlige boolske logiske kredsløb til to-bit input. Derefter beregnede de antallet af nanopartikelknuder, der var nødvendige for funktionelt at fuldende boolske logikoperatører på det neurale netværk. Hardwaren var afhængig af kovalent modificerede nanostrukturer på en lipidchip til flere henrettelser. De testede systemets nulstillingsfunktion for genanvendelighed ved at dehybridisere alle DNA-samlinger efter at have udskiftet bufferopløsningen i opsætningen. Nulstillingen tillod thiolerede DNA'er alene at forblive på nanopartiklerne, og derved vende tilbage til den oprindelige tilstand for den næste funktion.

Beslutningsprocessen og fan-out logikporten

Kim et al. udforskede derefter systemet med et sekventielt beslutningstræ. Beslutningstræet lignede et flowchart for at producere en endelig beslutning om JA eller NEJ i nanopartikelneurale netværk. På grund af deres nanoskala geometriske egenskaber og optiske egenskaber, den plasmoniske nanopartikelkerne af lipid-nanotabletten var kritisk for databehandling. Efterhånden som antallet af nanopartikelknuder og den medfølgende kompleksitet af det logiske kredsløb steg, reaktionskinetikken forblev identisk på grund af parallelle reaktioner af flerlagsperceptronen. Holdet brugte kraftfuld programmerbarhed og nulstillingsfunktionen af ​​opsætningen til sekventielt at betjene to-bit komparatoren.

På denne måde Sungi Kim og kolleger udviklede en nanopartikel-perceptron med den nanopartikel-baserede von Neuman-arkitektur (NVNA) på en lipid nanotablet (LNT)-chip og udforskede systemet med et sekventielt beslutningstræ. Opsætningen inkluderede en nulstillingsfunktion til genbrug. Den nanopartikelbaserede computerarkitektur og nanopartikelneurale netværk (NNN) gav en platform for molekylær databehandling sammen med instruktions-DNA'er. Processen muliggjorde skalerbarhed og baner vejen for at bruge nanopartikler i dyb læring, neurale grænseflader og neuromorfisk databehandling til at styre og analysere kompleks biomolekylær information. Denne computerarkitektur kan indlejres i mikrofluidik for at efterligne og udspørge komplekse levende systemer for at udvikle smarte lægemiddelscreeningssystemer.

© 2020 Science X Network