一个研究团队通过创建具有改变计算领域潜力的分子取得了重大的突破。来自利默里克大学的团队通过设计可能会改变计算领域的分子实现了显著的发现。
利默里克大学的伯纳尔研究所的科学家们已经确定了在基本分子水平上检查、管理和定制材料的新方法。
这些发现为一个国际合作倡议做出了贡献，该倡议涉及全球专家，旨在开发一个革命性的人工智能硬件平台，从而在计算速度和能效上实现了非凡的提升。
这项研究最近发表在著名的科学期刊《自然》上。
在利默里克大学的分子建模教授、爱尔兰制药研究中心 SSPC 的主任达米安·汤普森的指导下，UL团队与来自印度科学研究所（IISc）和德克萨斯农工大学的研究人员合作。他们相信，自己的发现将为应对与健康、能源和环境等重大社会挑战的创新解决方案铺平道路。
汤普森教授表示：“我们的设计借鉴了人脑的灵感，利用原子的自然运动来处理和存储数据。当分子在其晶体结构内旋转和震动时，它们会生成许多不同的记忆状态。
“我们可以绘制分子在设备内的运动，并将每一个时刻与特定的电状态关联。这为分子生成了一种旅行记录，可以以类似于传统硅基计算机的方式进行记录和访问，但在这里能效和空间利用率大大提高，因为每个条目小于一个原子。
“这种非常规解决方案在各种计算应用中前景广阔，从耗能的资料中心到内存密集的数字映射和在线游戏。”
迄今为止，受人脑启发的类神经形态平台—计算系统—仅限于低精度任务，例如人工神经网络中的推断。这种限制存在是因为信号处理、神经网络训练和自然语言处理等基本计算功能需要远高于当前类神经形态电路所能提供的计算精度。
因此，达到高精度一直是类神经形态计算面临的最严峻挑战。
该团队对基础计算架构的重新构想满足了高精度的需求，以惊人的4.1太操作每秒每瓦（TOPS/W）能效执行资源密集型任务。
这一进展使类神经形态计算超越其传统的应用领域，有望释放长期期待的人工智能变革优势，并增强数字电子的核心功能，从云系统到边缘设备。
项目负责人、IISc的Sreetosh Goswami教授表示：“通过精细管理广泛的分子动能状态，我们开发了一种高度精确、14位完全功能的类神经形态加速器，能够无缝集成到能够处理信号处理、人工智能和机器学习任务的电路板上，包括人工神经网络、自编码器和生成对抗网络。
“重要的是，利用加速器的高精度使我们能够在边缘训练神经网络，解决AI硬件中最紧迫的挑战之一。”
随着团队继续探索更广泛的材料和方法以增强这些平台的能力，进一步的进展即将到来。
汤普森教授补充道：“我们最终的目标是用由高性能的能效和环保材料构成的高性能‘随处可用’计算机取代传统计算机，以实现融合在日常物品中的分布式信息处理，从服装和食品包装到建筑材料。”
