Många befintliga tekniker för att utveckla kvant- och neuromorfa beräkningsverktyg är baserade på användningen av supraledare, ämnen som blir supraledande vid låga temperaturer. I samma arkitekturer, halvledare, ämnen med partiell ledningsförmåga, används vanligtvis för att uppnå kontroll på högsta nivå. För att arbeta mer effektivt, därför, kvant- och neuromorfa system skulle kräva ett lågeffekt supraledare/halvledargränssnitt som ännu inte har utvecklats.

Forskare vid National Institute of Standards and Technology i Boulder, NASA:s Jet Propulsion Lab och Lancaster University i Storbritannien har nyligen realiserat en supraledande termisk switch som kan översätta lågspänningsingångar till halvledarkompatibla utgångar vid temperaturer i Kelvin-skala. I deras tidning, publiceras i Naturelektronik , forskarna visade sin potential för gränssnitt mellan supraledare och halvledare, använder den för att driva en ljusemitterande diod i en fotonisk integrerad krets.

"I vår forskning, vi försöker bygga hårdvarunuroner som kommer att vara enormt skalbara, "Adam McCaughan, en av forskarna som genomförde studien, berättade för TechXplore. "För att bygga en neuromorf dator i hjärnskala, du behöver ha biljoner neuroner och kvintiljoner av anslutningar – det betyder att du måste vara extremt energieffektiv och ha massor av kommunikation mellan neuronerna. Det är därför vi valde att kombinera supraledare och optoelektronik för att bygga neuronerna."

I deras studie, McCaughan och hans kollegor kombinerade supraledare med optoelektronik, en typ av teknik som använder både elektronik och ljus. Supraledarna de använde är extremt energieffektiva, medan optoelektroniken tillåter enskilda neuroner att kommunicera med tusentals av sina kamrater. Att slå samman dessa två teknologier, dock, visade sig vara otroligt utmanande.

"En del av anledningen till att supraledare är så energieffektiva är att de använder väldigt små signaler, ungefär 1/1000 spänningen som behövs i kisel, McCaughan sa. "Men samma effektivitet betyder också att de har problem med att prata med kiseloptoelektronik, så vi behövde hitta ett sätt att översätta de supraledande utsignalerna till ingångar på kiselnivå."

Den supraledande switchen designad av McCaughan och hans kollegor utnyttjar supraledarens transformation från ett materiatillstånd till ett annat, känd som 'fasövergång, ' för att översätta lågnivåingångar till silikonkompatibla utgångar. Switchens huvudkomponent är en supraledande nanotråd i nanoskala med två "faser" eller "tillstånd":den kvantsupraledande fasen och den resistiva fasen.

"När vi slår på strömbrytaren, vi genererar värme i form av fononer, McCaughan förklarade. "Denna värme förstör den supraledande fasen och tvingar tråden in i den resistiva fasen. Praktiskt taget, vad detta betyder är att när vi slår på strömbrytaren, nanotråden går från noll motstånd till ett mycket stort motstånd, liknar en ljusströmbrytare i ditt hem, men på nanoskala, och på några grader över absoluta nollpunkten."

I deras studie, forskarna använde den supraledande termiska omkopplaren för att driva en ljusemitterande diod i en fotonisk integrerad krets. De kunde generera fotoner vid 1 K från en lågspänningsingång, samtidigt som de detekteras med en supraledande singelfotondetektor på chipet.

Switchen de utvecklade är den första supraledande enheten någonsin som kan producera en så enorm förändring på efterfrågan, samtidigt som gränssnitt mot supraledare och halvledare. Anmärkningsvärt, det är också mycket energieffektivt, så det använder mycket mindre energi än andra befintliga enheter.

"För vårt neuromorfa arbete, utvecklingen av denna enhet innebär att de supraledande delarna av våra neuroner nu kan prata direkt med de optoelektroniska delarna, " förklarade McCaughan. "Som vi visade i vår tidning, vi kan använda den för att göra mycket användbara saker, som att driva optisk kommunikation vid en grad över absolut noll. Vi är väldigt glada över att se hur andra använder sig av den här idén."

I framtiden, denna supraledande switch kan bana väg för utvecklingen av mer avancerade kvantdatorer, eftersom många av dessa system kommer att kräva integration av supraledande enheter med kiselstyrkretsar. McCaughan och hans kollegor planerar nu att implementera sin enhet på neuroner för att testa dess effektivitet och observera de resulterande interaktionerna mellan individuella neuroner.

"Spikande neuroner som de i hjärnan och de vi bygger sägs vanligtvis vara nästa generations enheter för artificiell intelligens, men att utbilda dem är inte lika välkända som det är för den nuvarande generationen av system för djupinlärning, ", sa McCaughan. "Vi har samarbetat med TENNLab vid University of Tennessee för att optimera nätverk av våra neuroner, och det är väldigt spännande att se hur bara en liten handfull av våra spikneuroner kan lösa uppgifter som polbalansering och dataklassificering."

© 2019 Science X Network