Учиться у природыОдним из величайших успехов 20-го века была разработка цифровых компьютеров. В течение последних десятилетий эти компьютеры становились все более мощными за счет интеграции все более мелких компонентов на кремниевых микросхемах.
Однако продолжать эту миниатюризацию становится все труднее и дороже. Современные транзисторы состоят только из горстки атомов.
Создание микросхем, в которых миллионы транзисторов имеют одинаковые характеристики, и, следовательно, обеспечение правильной работы микросхем — серьезная проблема. Еще одним недостатком является то, что их потребление энергии достигает неприемлемого уровня. Очевидно, что нужно искать альтернативные направления, и интересно посмотреть, чему мы можем научиться у природы.
Естественная эволюция привела к появлению мощных «компьютеров», таких как человеческий мозг, которые могут решать сложные проблемы энергоэффективным способом. Природа использует сложные сети, которые могут выполнять множество задач параллельно.Отход от спроектированных схем
Подход исследователей из Университета Твенте основан на методах, похожих на те, что используются в природе. Они использовали сети наночастиц золота для выполнения важных вычислительных задач. В отличие от обычной электроники, они отошли от разработанных схем. Использование «беспроектных» систем позволяет избежать дорогостоящих ошибок проектирования.
Вычислительная мощность их сетей обеспечивается применением искусственной эволюции. Эта эволюция занимает меньше часа, а не миллионы лет.
Применяя электрические сигналы, одна и та же сеть может быть сконфигурирована на 16 различных логических вентилей. Эволюционный подход работает вокруг возможных дефектов материала, которые могут быть фатальными для обычной электроники, или даже использовать их в своих интересах.Мощный и энергоэффективный
Впервые ученым удалось создать надежную электронику с размерами, которые могут конкурировать с коммерческими технологиями. По мнению проф.
Уилфред ван дер Виль, реализованные схемы в настоящее время все еще имеют ограниченную вычислительную мощность. «Но с помощью этого исследования мы предоставили доказательство принципа: продемонстрировали, что наш подход работает на практике. За счет расширения системы в будущем будет получена реальная добавленная стоимость.
Возьмем, к примеру, усилия по распознаванию шаблонов, таких как распознавание лиц. . Это очень сложно для обычного компьютера, в то время как люди и, возможно, наши схемы могут сделать это намного лучше ». Другим важным преимуществом может быть то, что этот тип схемы потребляет гораздо меньше энергии как при производстве, так и во время использования. Исследователи ожидают широкого спектра приложений, например, в портативной электронике и в мире медицины.