Lichtmikroskopische Aufnahme eines Mikroelektrodenarrays unter einer Mischung aus einwandigen Kohlenstoffnanoröhren mit FlüssigkristallenWährend sich
Moores Gesetz verlangsamt
, prüfen Ingenieure sorgfältig Optionen, die dazu beitragen, die Berechnung fortzusetzen, wenn das Gesetz erschöpft ist. Künstliche Intelligenz wird dabei sicherlich eine Rolle spielen. Vielleicht Quantencomputer. Aber es gibt seltsame Dinge im Computeruniversum, und einige davon wurden auf der
internationalen IEEE-Konferenz zum Neuladen von Computern im November 2017 gezeigt.
Es wurden auch einige coole Versionen klassischer Berechnungen gezeigt, zum Beispiel reversible Berechnungen und neuromorphe Chips. Darüber hinaus wurden Optionen vorgestellt, die der Öffentlichkeit weniger vertraut waren, wie photonische Chips, beschleunigende KI, nanomechanische Kammlogik und ein „hyperdimensionales“ Spracherkennungssystem. Dieser Artikel listet sowohl seltsame als auch potenziell wirksame Optionen auf.
Kalte Quantenneuronen
Ingenieure sind oft neidisch auf die wundersame Energieeffizienz des Gehirns. Ein einzelnes Neuron verbringt mit jedem Signal etwa 10 fJ (
10-15 J). Michael Schneider und Kollegen vom Nationalen Institut für Standards und Technologie (NIST) glauben, dass sie dieser Zahl mit künstlichen Neuronen, die aus zwei verschiedenen Arten von
Josephson-Kontakten hergestellt wurden, nahe kommen können . Dies sind supraleitende Bauelemente, die auf dem Tunneln von Elektronenpaaren durch die Barriere basieren und als Grundlage für die fortschrittlichsten Quantencomputer dienen, die heute in Industrielabors hergestellt werden. Eine ihrer Optionen, der magnetische Josephson-Kontakt, hat Eigenschaften, die im laufenden Betrieb geändert werden können und Ströme und Magnetfelder ändern. Beide Kontakte können so verwendet werden, dass sie Spannungsspitzen mit Energien in der Größenordnung eines Zeptojoules erzeugen - 100.000-mal weniger als fJ [
oder 10 -21 J / ca. perev. ].
Wissenschaftler von NIST haben herausgefunden, wie diese Geräte miteinander verbunden und daraus ein neuronales Netzwerk gebildet werden können. In der Simulation trainierten sie das neuronale Netzwerk, um drei Buchstaben zu erkennen (z, v und n - der Basistest für neuronale Netzwerke). Im Idealfall kann das Netzwerk Buchstaben mit nur 2 Attojoule [10
-18 J] oder 2 fJ erkennen, wenn Sie die Energieverschwendung einbeziehen, um dieses System auf die erforderlichen 4 K zu kühlen. Natürlich gibt es Zeiten, in denen alles viel weniger perfekt funktioniert. Unter der Annahme, dass sie mit Hilfe von Ingenieuren beseitigt werden können, können Sie ein neuronales Netzwerk erhalten, das Energie verbraucht, die mit dem menschlichen Gehirn vergleichbar ist.
Wire Computing
In fortschrittlichen Prozessoren sind Transistoren sehr dicht gepackt, und die Verbindungen, die sie mit den Schaltkreisen verbinden, sind näher beieinander als je zuvor. Dies führt zu einer Kreuzverzerrung, wenn ein Signal von einer Leitung seinen Nachbarn durch eine Störverbindung stört. Anstatt zu versuchen, das Schema zu ändern, um Verzerrungen zu vermeiden, beschlossen
Navin Kumar Maka und
Kollegen von der Universität von Missouri, Kansas City, diese auszunutzen. Nach heutiger Ansicht wird ein Störsignal als Störung angesehen, sagte Mac den Ingenieuren. "Und jetzt wollen wir es für die Arbeit der Logik verwenden."
Sie fanden heraus, dass eine bestimmte Anordnung gegenseitiger Verbindungen den Betrieb von Logikelementen und -schaltungen imitieren kann. Stellen Sie sich vor, drei Kommunikationsleitungen verlaufen parallel. Das Anlegen einer Spannung an eine oder zwei Seitenleitungen führt zum Auftreten einer Störspannung an der zentralen. Auf diese Weise erhalten Sie ein ODER-Logikelement mit zwei Eingängen. Nachdem das Team hier und da den Transistor sorgfältig hinzugefügt hatte, erstellte es die AND-, OR- und XOR-Elemente sowie eine Schaltung, die die Übertragungsfunktion ausführt. Der Vorteil ergibt sich, wenn Sie die Anzahl der Transistoren in einem bestimmten Bereich mit CMOS vergleichen. Beispielsweise benötigt eine Kreuzverzerrungslogikschaltung nur drei Transistoren, um XOR auszuführen, und CMOS verwendet 14 und nimmt ein Drittel mehr Platz ein.
Greife die Nanoblase an!
Wissenschaftler und Ingenieure der Durham University in England haben einen dünnen Film aus Nanomaterialien gelehrt, um Klassifizierungsprobleme zu lösen, beispielsweise um eine Krebsläsion in einem
Mammogramm zu finden . Unter Verwendung revolutionärer Algorithmen und einer speziell entwickelten elektronischen Schaltung sendeten sie elektrische Impulse durch eine Anordnung von Elektroden an eine Mischung aus Kohlenstoffnanoröhren, die in Flüssigkristallen gelöst waren. Im Laufe der Zeit bauten sich die Nanoröhren - darunter sowohl leitende als auch halbleitende - selbst zu einem komplexen Netzwerk zusammen, das die Elektroden bedeckte.
Dieses Netzwerk konnte einen wesentlichen Teil des Optimierungsproblems erfüllen. Außerdem konnte sie lernen, das zweite Problem zu lösen, wenn es weniger kompliziert war als das erste.
Hat sie diese Probleme gut gelöst? In einem Fall waren die Ergebnisse mit menschlicher Arbeit vergleichbar; in einem anderen waren sie etwas schlimmer. Und doch ist es überraschend, dass es im Allgemeinen funktioniert. „Wir müssen uns daran erinnern, dass wir eine Blase aus Kohlenstoffnanoröhren in Flüssigkristallen trainieren“, sagt
Eleanor Vissol-Gaudin , die dieses System in Durham entworfen hat.
Siliziumplatinen
Computerentwickler leiden seit langem unter einem Missverhältnis zwischen der Geschwindigkeit und Effizienz von Daten innerhalb von Prozessoren und der Geschwindigkeit und dem Verlust zwischen Daten. Laut Ingenieuren
der University of
California in Los Angeles hängt dieses Problem mit der Art der Chipkörper und der Leiterplatten zusammen, mit denen sie kommunizieren. Kristallgehäuse und Leiterplatten leiten die Wärme nicht gut, sodass sie den Energieverbrauch begrenzen, den Energieverbrauch für die Übertragung von Bits von einem Chip auf einen anderen erhöhen und Computer durch Hinzufügen von Verzögerungen verlangsamen. Die Industrie versteht diese Mängel und konzentriert sich zunehmend darauf, mehrere Chips in einem Gehäuse unterzubringen.
Punit Gupta und seine Universitätskollegen glauben, dass Computer viel besser wären, wenn wir die Kristallgehäuse und Leiterplatten vollständig entfernen könnten. Sie schlagen vor, die Leiterplatte durch ein Stück Siliziumsubstrat zu ersetzen. Auf einem solchen „integralen Siliziummaterial“ können Chips ohne Gehäuse in einem Abstand von 100 μm gegeneinander gedrückt und mit denselben Leitern verbunden werden, die in integrierten Schaltkreisen verwendet werden. Dies trägt zur Begrenzung der Verzögerung und des Energieverbrauchs bei und entwickelt sich kompakter System.
Wenn die Industrie in diese Richtung geht, wird dies zu einer Änderung der hergestellten integrierten Schaltkreise führen, sagt Gupta. Integrales Siliziummaterial wird zur Trennung von "Systemen auf einem einzelnen Chip" in kleinere Teile beitragen, die die Funktionen verschiedener Kerne von Einzelchipsystemen erfüllen. Schließlich bietet die enge Anordnung der Kerne auf dem Chip ohne Verzögerungen und Effizienz keinen ernsthaften Vorteil mehr, und es ist billiger, kleinere Chips herzustellen. Darüber hinaus leitet Silizium Wärme besser als Leiterplatten, sodass diese Prozessoren auf hohe Taktraten übertaktet werden können, ohne sich um die Wärmeableitung sorgen zu müssen.