(Phys.org)—Natuurlijke computers, zoals geëvolueerde hersenen en cellulaire automaten, gesofisticeerde onderling verbonden netwerken uitdrukken en een enorm parallellisme vertonen. Ze passen zich ook aan om lokale fysieke eigenschappen te benutten, zoals capacitieve overspraak tussen circuits. Daarentegen, synthetische computers kanaliseren activiteit volgens vastgestelde ontwerpregels en passen zich niet aan om te profiteren van hun omgeving. Dus, onderzoekers zijn geïnteresseerd in het gebruik van materie zelf voor berekeningen.

Wetenschappers hebben gespeculeerd over het vermogen om ontwerploze nanoschaalnetwerken van levenloze materie te ontwikkelen met dezelfde robuuste capaciteiten als natuurlijke computers, maar heb het concept nog niet gerealiseerd. Nutsvoorzieningen, een groep onderzoekers meldt in Natuur Nanotechnologie een ongeordend systeem van nanomaterialen dat kunstmatig is ontwikkeld door de waarden van stuurspanningen te optimaliseren volgens een genetisch algoritme.

Met behulp van onderling verbonden metalen nanodeeltjes, die fungeren als niet-lineaire enkelvoudige elektronentransistoren, de onderzoekers waren in staat om de opkomende netwerkeigenschappen van het systeem te benutten om een ​​universele, herconfigureerbare Booleaanse poort. De auteurs merken op dat hun systeem voldoet aan de vereisten voor een cellulair neuraal netwerk:universaliteit, compactheid, robuustheid en evolueerbaarheid. Hun aanpak werkt rond de apparaat-naar-apparaat-variaties die steeds moeilijker uit te lijnen zijn naarmate halfgeleiders de nanoschaal naderen, en die leiden tot onzekerheden in de prestaties.

Hun systeem is een ongeordend nanodeeltjesnetwerk dat in situ kan worden geherconfigureerd in elke Booleaanse logische poort met twee ingangen door zes statische stuurspanningen af ​​te stemmen. Het maakt gebruik van het rijke opkomende gedrag van maximaal 100 willekeurig onderling verbonden nanodeeltjes. Voor het experiment, de onderzoekers gebruikten gouden nanodeeltjes van 20 nm die onderling verbonden waren met isolerende moleculen. Deze enkel-elektrontransistoren drukken sterk niet-lineair schakelgedrag uit, en de onderzoekers zochten naar logische poorten tussen de onderlinge interacties.

De snelste methode bleek kunstmatige evolutie te zijn. Ze ontwikkelden een genetisch algoritme dat de bekende regels van natuurlijke selectie volgde, waarbij elke stuurspanning als een gen wordt beschouwd en de complete set systeemspanningen als een genoom. De best presterende (d.w.z. "fittest") genomen werden geconserveerd en verbeterd via een samengestelde kloon-kweekbenadering. De gewenste eigenschappen van de initiaal, meestal slecht presterende genomen werden selectief doorgegeven aan volgende generaties.

Voor elke logische poort geëvolueerd, het genetische algoritme convergeerde bijna altijd binnen minder dan 200 generaties naar een levensvatbaar genoom. De onderzoekers merken op dat vanwege de trage ingangssignalen die ze gebruikten, het proces duurde ongeveer een uur; het optimaliseren van de systeemopstelling zou kunnen leiden tot een snellere evolutie.

"Met behulp van de kunstmatige-evolutieprocedure... zijn we erin geslaagd om volledig configureerbare, robuuste Booleaanse logica in ongeordende nanodeeltjesnetwerken bij onze basistemperatuur van ~0,3 K. Deze resultaten omvatten de eerste experimentele demonstratie van het exploiteren van ongeordende materie op nanoschaal voor computationele functionaliteit, ’ schrijven de auteurs.

Ze merken op dat het systeem voldoet aan de criteria voor de fysieke realisatie van een cellulair neuraal netwerk en dat dezelfde evolutionaire benadering met een meer geavanceerde elektrodelay-out veel meer rekentaken zou kunnen opleveren. "Onze evolutionaire benadering werkt rond variaties van apparaat tot apparaat op nanoschaal en de bijbehorende onzekerheden in prestaties, die in toenemende mate een knelpunt wordt voor de miniaturisering van conventionele elektronische schakelingen. De resultaten, daarom, moeten ook worden gezien in het licht van deze opwindende mogelijkheden, " zij schrijven.

© 2015 Fys.org