Fig. 1 Vid reservoarberäkning är informationsutbredning som porlande vågor på ytan av en vattenmassa; därför används termen "reservoar". Undervattenselektroden på bilden är den faktiska multiterminalelektroden som används i denna studie. Kredit:Megumi Akai-Kasaya et al.
Efter många decennier av häpnadsväckande utveckling börjar framstegen inom halvledarbaserad datoranvändning sakta ner när transistorer når sina fysiska gränser i storlek och hastighet. Kraven på datoranvändning fortsätter dock att växa, särskilt inom artificiell intelligens, där neurala nätverk ofta har flera miljoner parametrar. En lösning på detta problem är reservoarberäkning, och ett team av forskare ledda av Osaka University, med kollegor från University of Tokyo och Hokkaido University, har utvecklat ett enkelt system baserat på elektrokemiska reaktioner i Faradisk ström som de tror kommer att sätta fart på utvecklingen inom detta område.
Reservoarberäkning är en relativt ny idé inom datoranvändning. Istället för traditionella binära program som körs på halvledarchips, används reaktionerna från ett olinjärt dynamiskt system – reservoaren – för att utföra mycket av beräkningen. Olika olinjära dynamiska system från kvantprocesser till optiska laserkomponenter har betraktats som reservoarer. I denna studie tittade forskarna på jonkonduktansen hos elektrokemiska lösningar.
"Vår enkla testenhet består av 90 par plana elektroder med en jonisk lösning tappad på dess yta", förklarar professor Megumi Akai-Kasaya, huvudförfattare till studien. "Svarsspänningen på ingångsspänningen används sedan som svar på behållaren." Detta spänningssvar beror på både jonströmmarna som passerar genom lösningen och den elektrokemiska strömmen. Detta input-output förhållande är både olinjärt och reproducerbart, vilket gör det lämpligt för användning i reservoarberäkning. Ett unikt flervägs datainsamlingssystem på enheten styr avläsningsnoderna, vilket möjliggör parallell testning.
Fig. 2 Fysisk reservoarberäkning och konstruktionen av en molekylbaserad reservoar. (a) Struktur för traditionell reservoarberäkning. (b) Koncept för vårt fysiska reservoarberäkningssystem. Kredit:Megumi Akai-Kasaya et al., Advanced Science
Forskarna använde enheten för att utvärdera två vätskor:polyoxometalatmolekyler i lösning och avjoniserat vatten. Systemet visade en "feedforward-koppling" mellan noder, oavsett vilket prov som användes. Det fanns dock skillnader. "Polyoxometalatlösningen ökade mångfalden av svarsströmmen, vilket gör den bra på att förutsäga periodiska signaler", säger professor Akai-Kasaya. "Men det visar sig att avjoniserat vatten är bäst för att lösa andra ordningens olinjära problem." De goda prestandan hos dessa lösningar visar deras potential för mer komplicerade uppgifter, såsom handskriftsigenkänning, isolerad ordigenkänning och andra klassificeringsuppgifter.
Fig. 3 (a) Struktur för polyoxometalat (POM) molekylen. (b) Schematic of the electrochemical-reaction-based reservoir. (c) Responses of the POM solution (left) and deionized water (right) to a sinusoidal signal and their prediction performances on a quadruple sine (QDW) target signal. (d) Prediction performances of the POM solution and water on a nonlinear target signal. Credit:Megumi Akai-Kasaya et al., Advanced Science
The researchers believe that proton or ion transfer with minimal electrochemical reactions over short durations has the potential for development as a more computationally powerful computing system that is low in cost and energy efficient. The simplicity of the proposed system opens up exciting new opportunities for developing computing systems based on electrochemical ion reactions.
