Eftersom artificiell intelligens har blivit allt mer sofistikerad, den har inspirerat till nya ansträngningar att utveckla datorer vars fysiska arkitektur efterliknar den mänskliga hjärnan. Ett tillvägagångssätt, kallas reservoarberäkning, tillåter hårdvaruenheter att uppnå de högre dimensioner som krävs av framväxande artificiell intelligens. En ny enhet belyser potentialen hos extremt små mekaniska system för att uppnå dessa beräkningar.

En grupp forskare vid Université de Sherbrooke i Québec, Kanada, rapporterar konstruktionen av den första reservoarberäkningsenheten byggd med ett mikroelektromekaniskt system (MEMS). Publicerad i Journal of Applied Physics , det neurala nätverket utnyttjar den olinjära dynamiken hos en kiselstråle av mikroskala för att utföra dess beräkningar. Gruppens arbete ser ut att skapa enheter som kan fungera samtidigt som en sensor och en dator med en bråkdel av energin som en vanlig dator skulle använda.

Artikeln visas i ett särskilt ämnesavsnitt i tidskriften som ägnas åt "New Physics and Materials for Neuromorphic Computation, "som belyser ny utveckling inom fysisk och materialvetenskaplig forskning som lovar att utveckla den mycket stora, integrerade "neuromorfa" morgondagens system som kommer att bära beräkning bortom begränsningarna för nuvarande halvledare idag.

"Den här typen av beräkningar görs normalt bara i programvara, och datorer kan vara ineffektiva, "sa Guillaume Dion, en författare på tidningen. "Många av sensorerna idag är byggda med MEMS, så enheter som vår skulle vara idealisk teknik för att göra gränsen mellan sensorer och datorer suddiga. "

Enheten förlitar sig på den olinjära dynamiken i hur kiselstrålen, vid bredder 20 gånger tunnare än ett människohår, svänger i rymden. Resultaten från denna oscillation används för att konstruera ett virtuellt neuralt nätverk som projicerar insignalen i det högre dimensionella utrymmet som krävs för neuralt nätverksberäkning.

I demonstrationer, systemet kunde relativt enkelt växla mellan olika vanliga riktmärkeuppgifter för neurala nätverk, Dion sa:inklusive klassificering av talade ljud och bearbetning av binära mönster med noggrannheter på 78,2 procent respektive 99,9 procent.

"Denna lilla kiselstråle kan utföra mycket olika uppgifter, "sa Julien Sylvestre, en annan författare på tidningen. "Det är förvånansvärt enkelt att justera det för att få det att fungera bra på att känna igen ord."

Sylvestre sa att han och hans kollegor vill utforska allt mer komplicerade beräkningar med hjälp av kiselstråleenheten, med hopp om att utveckla små och energieffektiva sensorer och robotstyrenheter.