Биология вдохновляет на создание нового типа схемы на водной основе, которая может изменить вычислительную технику
Будущее нейросетевых вычислений может быть немного более туманным, чем мы ожидали.
Группа физиков успешно разработала ионную схему — процессор, основанный на движении заряженных атомов и молекул в водный раствор, а не электроны в твердом полупроводнике.
Поскольку это ближе к тому, как мозг передает информацию, говорят они, их устройство может стать следующим шагом вперед в мозгоподобных вычислениях.
«Ионные цепи в водных растворах стремятся использовать ионы в качестве носителей заряда для обработки сигналов», — пишут в своем отчете группа под руководством физика Ву-Бина Юнга из Гарвардской школы инженерии и прикладных наук имени Джона А. Полсона (SEAS). новая статья.
«Здесь мы сообщаем о водно-ионной схеме… Эта демонстрация функциональной ионной схемы, способной к аналоговым вычислениям, является шагом к более сложной водной ионике».
Главное Частью передачи сигнала в мозге является движение заряженных молекул, называемых ионами, через жидкость. средний. Хотя невероятную вычислительную мощность мозга чрезвычайно сложно воспроизвести, ученые считают, что похожая система может использоваться для вычислений: проталкивание ионов через водный раствор.
Это будет медленнее, чем обычная, кремниевая. на основе вычислений, но у него могут быть некоторые интересные преимущества.
Например, ионы могут быть созданы из широкого спектра молекул, каждая из которых имеет разные свойства, которые можно использовать по-разному.
>Но сначала ученые должны показать, что это может работать.
Это то, над чем работали Юнг и его коллеги. Первым шагом была разработка функционального ионного транзистора, устройства, которое переключает или усиливает сигнал. Их последнее достижение заключалось в объединении сотен таких транзисторов для совместной работы в виде ионной цепи.
Транзистор состоит из электродов, расположенных по принципу «яблочка», с небольшим дискообразным электродом в центре и двумя концентрическими кольцевые электроды вокруг него. Это взаимодействует с водным раствором молекул хинона.
Напряжение, приложенное к центральному диску, генерирует ток ионов водорода в растворе хинона. Тем временем два кольцевых электрода модулируют рН раствора до порога, увеличивая или уменьшая ионный ток.
Этот транзистор выполняет физическое умножение параметра «веса», установленного затвором кольцевой пары, на напряжение на диске, что дает результат в виде ионного тока. .
Однако нейронные сети в значительной степени полагаются на математическую операцию, называемую матричным умножением, которая включает в себя многократное умножение.
Поэтому команда разработала массивы транзисторов размером 16 на 16, каждый из которых способный к арифметическому умножению, чтобы создать ионную схему, которая может выполнять матричное умножение.
«Матричное умножение является наиболее распространенным вычислением в нейронных сетях для искусственного интеллекта», — говорит Юнг. «Наша ионная схема выполняет матричное умножение в воде аналоговым способом, полностью основанным на электрохимическом механизме».
Конечно, у этой технологии есть существенные ограничения. 16 токов не могут быть разрешены по отдельности, а значит, операцию нужно было выполнять последовательно, а не одновременно, что значительно замедляло и без того относительно медленную технологию.
Однако ее успех — это шаг к более сложной ионные вычисления: только увидев проблему, мы можем найти решения.
Следующим шагом будет введение в систему большего количества молекул, чтобы увидеть, позволит ли это схеме обрабатывать более сложную информацию.
«До сих пор мы использовали только от 3 до 4 ионных частиц, таких как ионы водорода и хинона, чтобы обеспечить вентиляцию и ионный транспорт в водном ионном транзисторе», — говорит Юнг.
«Будет очень интересно использовать более разнообразные ионные частицы и посмотреть, как мы можем использовать их, чтобы обогатить содержание обрабатываемой информации».
Конечная цель, отмечает команда, не конкурировать с электроникой и не заменять ее ионикой, а дополнять, возможно, в виде гибридной технологии с возможности обоих.
Исследование опубликовано в Advanced Materials.
