"Du ser, naturen är oförutsägbar. Hur förväntar du dig att förutse det med en dator? "Sade amerikanska fysikern Richard Feynman inför datavetenskapare vid en konferens 1981.

Fyrtio år senare, Ingenjörer vid Purdue University bygger den typ av system som Feynman föreställde sig skulle övervinna begränsningarna för dagens klassiska datorer genom att närmare agera som naturen:en "sannolikhetsdator".

Teamet tror att en sannolikhetsdator tidigare kan lösa några av de problem som en kvantdator skulle lösa, eftersom det inte skulle behöva helt ny hårdvara eller extremt kalla temperaturer för att fungera.

På den listan över problem som ska lösas mer effektivt än med klassiska datorer finns optimeringsproblem - möjligheten att beräkna den bästa lösningen från ett mycket stort antal lösningar, som att identifiera den bästa vägen för varor att resa till marknaden.

År 2019, forskare från Purdue och Tohoku University i Japan visade en probabilistisk dator, gjord av "p-bitar, "som kan lösa optimeringsproblem som ofta riktas mot kvantdatorer, byggd av qubits.

"Klassiskt, sannolikheter kan bara vara positiva tal. Qubits, å andra sidan, verkar styras av sannolikheter som kan vara negativa eller till och med komplexa tal, "sa Supriyo Datta, Purdues Thomas Duncan, framstående professor i el- och datateknik, som ledde Purdue -laget. "Men det finns en användbar delmängd av problem som kan lösas med qubits som också kan lösas med p-bitar. Du kan säga att en p-bit är en" fattig mans qubit "."

Framsteg mot att imitera naturen

Varför tillgripa en helt ny typ av datorer? Titta inte längre än "naturen" i en kopp kaffe, vilka kvantdatorer som utvecklats av företag som Google och IBM har ännu inte kommit ut.

Koffeins molekylstruktur är så komplex att klassiska datorer inte kan utföra de beräkningar som behövs för att helt förstå det. Detta beror på att koffein kan finnas i 10 ⁴⁸ olika atomkonfigurationer, eller "kvanttillstånd". En klassisk dator, som endast bearbetar ett kvanttillstånd i taget, skulle behöva bearbeta många tillstånd samtidigt som naturen gör för att fånga koffein.

Detta hinder hindrar forskare från att inte bara bättre förstå koffeins beteende, men också från att mer effektivt lösa problem inom läkemedelsforskning, kryptering och cybersäkerhet, Finansiella tjänster, dataanalys och logistik i leveranskedjan.

Var och en av dessa områden skulle förbättras avsevärt om datorer kunde ta in fler variabler och bearbeta dem samtidigt.

Purdue -forskare ser probabilistisk beräkning som ett steg från klassisk beräkning till kvantberäkning.

"Vi kan tänka oss och vara helt lyckliga, Jag tror, "Feynman hade sagt, "med en probabilistisk simulator av en sannolikhetskaraktär, där maskinen inte exakt gör vad naturen gör, men [...] får du motsvarande sannolikhet med motsvarande noggrannhet. "

Lösa kvantproblem utan att "gå kvant"

Som klassiska datorer, en sannolikhetsdator skulle kunna lagra och använda information i form av nollor och sådana vid rumstemperatur.

Och som kvantdatorer, en sannolikhetsdator kan bearbeta flera tillstånd av nollor och enor samtidigt-förutom att en p-bit snabbt skulle fluktuera mellan noll och en (därför "sannolikhet"), medan en qubit är en superposition av noll och en. På ett chip, dessa fluktuationer skulle korreleras mellan p-bitar men intrasslade i qubits.

Tanken framöver är att finjustera vanlig minnesteknik, enheter som kallas magnetiska tunnelförbindelser, att vara avsiktligt instabil så att p-bitar kan fluktuera.

Sedan vi demonstrerade hårdvara för en sannolikhetsdator 2019 och fick patent genom Purdue Research Foundation Office of Technology Commercialization, teamet har också använt befintlig kiselteknologi för att efterlikna en sannolikhetsdator med tusentals p-bitar med konventionell hårdvara som är allmänt tillgänglig via Amazon Web Services.

Forskarna har publicerat flera artiklar under det senaste året om utvecklingen mot att integrera enskilda hårdvarukomponenter, modellera hur man får systemet att fungera i större skala och säkerställa energieffektivitet från grunden.

"Domen om bästa implementering av en p-bit är ännu inte klar. Men vi visar vad som fungerar så att vi kan ta reda på det längs vägen, "sa Joerg Appenzeller, Purdues Barry M. och Patricia L. Epstein professor i elektroteknik och datateknik.

Universitetets probabilistiska datorforskning faller under ett initiativ som heter Purdue-P. Initiativet är en del av Purdues Discovery Park Center for Computing Advances by Probabilistic Spin Logic, som stöds av Semiconductor Research Corp. och National Science Foundation. Teamets arbete har också finansiering från Defense Advanced Research Projects Agency.

Forskarna kan vara de enda som utvecklar en probabilistisk dator i namn, men andra inom området utvecklar liknande teknik med olika material och paradigm.

"Som ett fält, vi tittar på dataproblemen som vi inte kan lösa ännu och tänker, "Det finns digital databehandling, det finns kvantberäkning - vad finns det mer? "Det finns många saker där ute som du kan kalla" sannolikhetsberäkning "från en mycket hög nivå, "sade Kerem Camsari, en tidigare postdoktor i Purdue som fortsätter att samarbeta med gruppen som biträdande professor i el- och datateknik vid University of California, Santa Barbara.