(Phys.org) — Ondanks de vele grote prestaties van computers, geen enkele door de mens gemaakte computer kan leren van zijn omgeving, aanpassen aan de omgeving, spontaan zelforganiserend, en complexe problemen op te lossen die deze vaardigheden vereisen, evenals een biologisch brein. Deze vermogens komen voort uit het feit dat de hersenen een complex systeem zijn dat in staat is tot opkomend gedrag, wat betekent dat het systeem interacties tussen veel eenheden omvat, wat resulteert in gedrag op macroschaal dat niet aan een individuele eenheid kan worden toegeschreven.

Helaas, conventionele fabricagemethoden die worden gebruikt voor hedendaagse computers kunnen niet worden gebruikt om complexe systemen tot hun volledige potentieel te realiseren vanwege schaalbeperkingen - de methoden kunnen eenvoudigweg niet klein genoeg onderling verbonden eenheden maken.

Nu in een nieuw artikel gepubliceerd in Nanotechnologie , onderzoekers van UCLA en het National Institute for Materials Science in Japan hebben een methode ontwikkeld om een ​​zelfgeorganiseerd complex apparaat te fabriceren, een atomair schakelnetwerk genaamd, dat in veel opzichten lijkt op een brein of ander natuurlijk of cognitief computerapparaat.

"Complexe verschijnselen en zelforganisatie - hoewel alomtegenwoordig in de natuur, sociaal gedrag, en de economie - zijn nooit met succes gebruikt in conventionele computers voor voorspelling en modellering, "James Gimzewski, Professor scheikunde aan de UCLA, vertelde Phys.org . "Het apparaat dat we hebben gemaakt, is in staat om snel zelforganisatie te genereren in een kleine chip met hoge snelheid. het omzeilt de kwestie van exponentiële machinecomplexiteit die vereist is als een functie van probleemcomplexiteit zoals in de hedendaagse computers. Onze eerste stappen vormen de basis voor een nieuw type berekening dat dringend nodig is in onze steeds meer verbonden wereld."

Zoals de onderzoekers uitleggen, een atoomschakelaar is een apparaat op nanoschaal dat memristieve weerstand vertoont, wat betekent dat het zijn weerstand aanpast aan een aangelegde stroom of spanning op basis van zijn geheugen van eerdere ontmoetingen. Deze eigenschap is essentieel voor complexe systemen omdat het ten grondslag ligt aan het vermogen om te leren, interactie met de omgeving, en problemen aan te pakken waarbij gegevens voortdurend veranderen of onvolledig zijn.

Hoewel sommige natuurlijke computerapparaten natuurlijke materialen gebruiken, het hier ontwikkelde atomaire schakelnetwerk is volledig gemaakt van anorganische materialen. Lithografisch gevormde koperen palen vormen een "patroonzadennetwerk, " waarop zilveren nanodraden worden gekweekt. Het eindresultaat is een netwerk van zilversulfideschakelaars en zilveren nanodraden die de schakelaars verbinden.

Experimenten toonden aan dat het atomaire schakelnetwerk opkomend gedrag vertoont, waarin interacties tussen de individuele atomaire schakelaars leiden tot patronen van elektrische activiteit die niet kunnen worden toegeschreven aan een individuele schakelaar, maar alleen voor het netwerk als geheel. Het atomaire schakelnetwerk heeft ook een intrinsiek aanpassingsvermogen, omdat de zilveren nanodraadverbindingen zichzelf voortdurend opnieuw configureren en de schakelaars zich voortdurend vormen en oplossen op verschillende locaties in het netwerk.

Deze eigenschappen zijn heel anders dan die van conventionele computers en kunnen worden gebruikt om unieke sets van complexe problemen op te lossen. De onderzoekers zien vooral toepassingen op het gebied van reservoir computing, die het potentieel heeft om informatie tegen zeer hoge snelheden te verwerken.

"Mogelijke toepassingen zijn onder meer het uitvoeren van meerdere simulaties van financiële markten, herkenning van informatie in foutgevoelige en ruisgevoelige gegevens, zoals visie en spraak, tot autonoom navigeren in veranderende omgevingen, zoals na aardbevingen of rampen, " zei Gimzewski. "Eindelijk, reservoir computing speelt een rol in de geneeskunde in de cognitieve en neurowetenschappen."

De onderzoekers hopen dat de nieuwe fabricagestrategie van zaadgerichte groei die hier wordt gebruikt, een nieuw hardwareplatform zal bieden voor reservoircomputing en andere soorten natuurlijke computing op basis van complexe systemen.

"We zijn van plan om naar een hybride morfisch systeem te gaan met behulp van het beste van conventionele berekeningen met onze hersenachtige apparaatmogelijkheden, en om een ​​nieuwe vorm van programmeren te ontwikkelen die gebaseerd is op gedistribueerd geheugen en synaptische netwerken, "Zei Gimzewski. "Dit zou een radicale stap zijn in de echte ontwikkeling van AI."

© 2015 Fys.org