利默里克大学(University of Limerick)的一个研究小组通过设计分子取得了重大发现，这可能会给计算机带来革命性的变化。

美国大学伯纳尔研究所的研究人员发现了在最基本的分子尺度上探测、控制和裁剪材料的新方法。

研究结果已被用于一个国际项目，该项目涉及世界各地的专家，旨在帮助创建一种全新的人工智能硬件平台，在计算速度和能源效率方面实现前所未有的提高。

这项研究刚刚发表在科学杂志《自然》上。

由达米安·汤普森(Damien Thompson)领导的UL团队，他是UL分子建模教授，也是爱尔兰制药研究中心(SSPC)主任，他们与印度科学研究所(IISc)和德克萨斯农工大学的科学家进行了国际合作，他们相信这一新发现将为健康、能源和环境方面的社会重大挑战带来创新的解决方案。

汤普森教授解释说:“这个设计的灵感来自人类的大脑，利用原子的自然摆动和抖动来处理和存储信息。当分子围绕着它们的晶格旋转和弹跳时，它们创造了大量的个体记忆状态。

“我们可以追踪设备内部分子的路径，并将每个快照映射到一个独特的电子状态。这创造了一种分子的旅行日记，就像在传统的硅基计算机中一样，可以书写和阅读，但这里大大提高了能源和空间经济性，因为每个条目都比原子小。

“这种开箱即用的解决方案可以为所有计算应用带来巨大的好处，从耗电的数据中心到内存密集型的数字地图和在线游戏。”

迄今为止，神经形态平台——一种受人脑启发的计算方法——只适用于低精度的操作，比如人工神经网络中的推理。这是因为包括信号处理、神经网络训练和自然语言处理在内的核心计算任务需要比现有神经形态电路所能提供的更高的计算分辨率。

因此，实现高分辨率一直是神经形态计算中最艰巨的挑战。

该团队对底层计算架构的重新概念化实现了所需的高分辨率，以前所未有的4.1万亿次/瓦特(TOPS/W)的能源效率执行资源密集型工作负载。

该团队的突破将神经形态计算扩展到小众应用之外，这一举动可能会释放出人工智能的长期变革优势，并将数字电子产品的核心从云扩展到边缘。

IISc项目负责人Sreetosh Goswami教授说:“通过精确控制大量可用的分子动力学状态，我们创造了最精确的14位全功能神经形态加速器，集成到电路板中，可以处理信号处理、人工智能和机器学习工作负载，如人工神经网络、自动编码器和生成对抗网络。”

“最重要的是，利用加速器的高精度，我们可以在边缘训练神经网络，解决人工智能硬件中最紧迫的挑战之一。”

随着团队努力扩大用于创建平台的材料和工艺范围，并进一步提高处理能力，进一步的增强即将到来。

汤普森教授解释说:“最终目标是用高性能的‘everyware’来取代我们现在认为的计算机，这种‘everyware’基于节能环保的材料，在整个环境中提供分布式的无处不在的信息处理，这些信息处理集成在日常用品中，从服装到食品包装再到建筑材料。”

作者：利默里克大学

链接：https://www.sciencedaily.com/releases/2024/09/240912135644.htm

著作权归作者所有。

声明：海森大数据刊发或者转载此文只是出于传递、分享更多信息之目的，并不意味认同其观点或证实其描述。若有来源标注错误或侵犯了您的合法权益，请作者与本网联系，我们将及时更正、删除，谢谢。电话：152 6451 3609，邮箱：1027830374@qq.com