Sedan uppfinningen av transistorn 1947, datorutveckling har sett en konsekvent fördubbling av antalet transistorer som får plats på ett chip. Men den trenden, känd som Moores lag, kan nå sin gräns när komponenter av submolekylär storlek stöter på problem med termiskt brus, gör ytterligare skalning omöjlig.

I deras tidning som publicerades denna vecka i Tillämpad fysik recensioner författare Jack Kendall, av Rain Neuromorphics, och Suhas Kumar, från Hewlett Packard Labs, presentera en grundlig undersökning av datorlandskapet, med fokus på de operativa funktioner som behövs för att främja hjärninspirerad neuromorf beräkning. Deras föreslagna väg inkluderar hybridarkitekturer som består av digitala arkitekturer, tillsammans med ett återuppsving av analoga arkitekturer, möjliggjort av memristorer, som är motstånd med minne som kan bearbeta information direkt där den är lagrad.

"Framtiden för datoranvändning kommer inte att handla om att proppa fler komponenter på ett chip utan att tänka om processorarkitekturen från grunden för att efterlikna hur en hjärna effektivt bearbetar information, " sa Kumar.

"Lösningar har börjat dyka upp som replikerar det naturliga bearbetningssystemet i en hjärna, men både forsknings- och marknadsutrymmena är vidöppna, " tillade Kendall.

Datorer måste uppfinnas på nytt. Som författarna påpekar, "Dagens toppmoderna datorer behandlar ungefär lika många instruktioner per sekund som en insektshjärna, " och de saknar förmågan att effektivt skala. Däremot den mänskliga hjärnan är ungefär en miljon gånger större i skala, och den kan utföra beräkningar av större komplexitet på grund av egenskaper som plasticitet och gleshet.

Att återuppfinna datorer för att bättre efterlikna de neurala arkitekturerna i hjärnan är nyckeln till att lösa dynamiska olinjära problem, och författarna förutspår att neuromorf beräkning kommer att vara utbredd redan i mitten av detta decennium.

Framgången av datorprimitiver, såsom olinjäritet, kausalitet och gleshet, i nya arkitekturer, som djupa neurala nätverk, kommer att ge en ny våg av datorer som kan hantera mycket svåra begränsade optimeringsproblem som väderprognoser och gensekvensering. Författarna ger en översikt över material, enheter, arkitekturer och instrumentering som måste avancera för att neuromorfa datorer ska mogna. De utfärdar en uppmaning till att upptäcka nya funktionella material för att utveckla nya datorenheter.

Deras papper är både en guidebok för nykomlingar på området för att avgöra vilka nya riktningar de ska följa, samt inspiration för dem som letar efter nya lösningar på de grundläggande gränserna för åldrande datorparadigm.