Ett nytt sätt att arrangera avancerade datorkomponenter som kallas memristors på ett chip kan göra det möjligt att använda dem för allmän dator, vilket kan minska energiförbrukningen med en faktor 100.

Detta skulle förbättra prestandan i miljöer med låg effekt, till exempel smartphones eller göra mer effektiva superdatorer, säger en forskare vid University of Michigan.

"Historiskt sett halvledarindustrin har förbättrat prestanda genom att göra enheter snabbare. Men även om processorerna och minnena är väldigt snabba, de kan inte vara effektiva eftersom de måste vänta på att data ska komma in och ut, "sa Wei Lu, U-professor i elektroteknik och datorteknik och medgrundare av memristor-starten Crossbar Inc.

Memristors kan vara svaret. Namngiven som en portmanteau av minne och motstånd, de kan programmeras till att ha olika motståndstillstånd - vilket innebär att de lagrar information som resistensnivåer. Dessa kretselement möjliggör minne och bearbetning i samma enhet, skär bort flaskhalsen för dataöverföring som upplevs av konventionella datorer där minnet är separat från processorn.

Dock, till skillnad från vanliga bitar, som är 1 eller 0, memristors kan ha motstånd som är på ett kontinuum. Vissa applikationer, såsom datorer som efterliknar hjärnan (neuromorf), dra nytta av memristors analoga natur. Men för vanlig dator, att försöka skilja på små variationer i strömmen som passerar genom en memristor -enhet är inte tillräckligt exakt för numeriska beräkningar.

Lu och hans kollegor löste detta problem genom att digitalisera strömutgångarna - definiera strömområden som specifika bitvärden (dvs. 0 eller 1). Teamet kunde också kartlägga stora matematiska problem till mindre block i gruppen, förbättra systemets effektivitet och flexibilitet.

Datorer med dessa nya block, som forskarna kallar "minnesbehandlingsenheter, "kan vara särskilt användbart för att implementera maskininlärning och algoritmer för artificiell intelligens. De är också väl lämpade för uppgifter som är baserade på matrisoperationer, till exempel simuleringar som används för väderprognoser. De enklaste matematiska matriserna, liknande tabeller med rader och kolumner med siffror, kan kartlägga direkt på rutnätet för memristors.

När memristorerna har ställts in för att representera siffrorna, operationer som multiplicerar och summerar raderna och kolumnerna kan tas om hand samtidigt, med en uppsättning spänningspulser längs raderna. Strömmen uppmätt i slutet av varje kolumn innehåller svaren. En typisk processor, i kontrast, måste läsa värdet från varje cell i matrisen, utföra multiplikation, och summera sedan varje kolumn i serie.

"Vi får multiplikationen och tillägget i ett steg. Det har tagits hand om genom fysiska lagar. Vi behöver inte multiplicera och summera manuellt i en processor, "Sa Lu.

Hans team valde att lösa partiella differentialekvationer som ett test för en 32x32 memristor -array - som Lu föreställer sig som bara ett block i ett framtida system. Dessa ekvationer, inklusive de som ligger bakom väderprognoser, stödja många problem vetenskap och teknik men är mycket utmanande att lösa. Svårigheten kommer från de komplicerade formerna och flera variabler som behövs för att modellera fysiska fenomen.

När det är omöjligt att lösa partiella differentialekvationer, att lösa dem ungefär kan kräva superdatorer. Dessa problem innebär ofta mycket stora datamatriser, så flaskhalsen i minnesprocessorns kommunikation löses snyggt med en memristor-array. Ekvationerna Lu's team använde i sin demonstration simulerade en plasmareaktor, såsom de som används för tillverkning av integrerade kretsar.

Detta arbete beskrivs i en studie, "En allmän memristor-baserad partiell differentialekvationslösare, "publicerad i tidningen Nature Electronics .