Kvantmaterialbaserade magnetiska nano-oscillatorer ger funktionalitet som liknar den hos neuroner som arbetar via periodisk spik. Kredit:Grainger College of Engineering, University of Illinois Urbana-Champaign
Under sin storhetstid var UIUC:s Blue Waters en av världens bästa superdatorer. Alla som var nyfikna kunde komma förbi dess 30 000 kvadratmeter stora maskinrum för en rundtur och tillbringa en halvtimme med att promenera bland de 288 enorma svarta skåpen, stödda av en 24 megawatts strömförsörjning, som inhyste dess hundratusentals beräkningskärnor .
Blue Waters är borta, men idag är UIUC hem för inte bara en utan tiotusentals mycket överlägsna datorer. Även om dessa underbara maskiner gör Blue Waters på skam, väger var och en bara tre pund, kan drivas av kaffe och smörgåsar, och är bara storleken på ägarens två händer som är ihoprullade. Vi bär dem alla mellan öronen.
Faktum är att mänskligheten är långt ifrån att ha konstgjorda datorer som kan matcha den mänskliga hjärnans kapacitet, utanför ett snävt område av väldefinierade uppgifter. Kommer vi någonsin att fånga hjärnans magi? För att svara på den frågan ledde MRL:s Axel Hoffmann nyligen författandet av en APL Materials "Perspektiv"-artikel som sammanfattar och reflekterar över ansträngningar att hitta så kallade "kvantmaterial" som kan efterlikna hjärnans funktion.
"Grundtanken med det vi diskuterar i det här dokumentet är följande:att informationstekniken blir mer och mer energikrävande", säger Hoffmann, som är grundare professor i materialvetenskap och teknik. "Du vet, vi använder mycket mer beräkning än vi brukade för alla möjliga saker... och vissa av dessa saker tar en förvånansvärt stor mängd energi."
Vidare är traditionella komplementära metalloxid-halvledardatorer (CMOS) inte ens väl lämpade för många av dagens beräkningsuppgifter, som bildigenkänning, som kan involvera brusig data och dåligt definierade egenskaper av intresse. "CMOS har konstruerats för att verkligen vara en mycket exakt maskin, där den håller olika informationstillstånd väl åtskilda," förklarar Hoffmann. "Så den är inte särskilt väldesignad för att göra saker där det finns mycket slumpmässighet och fluktuationer."
Den mänskliga hjärnan, å andra sidan, kan enkelt hantera sådana kluriga uppgifter samtidigt som den förbrukar dramatiskt mindre energi än moderna datorer. "Så tanken är nu, kan vi hämta inspiration från den naturliga hjärnan för att hitta mer energieffektiva sätt att göra informationsbehandling?" frågar Hoffmann.
Enligt den forskningslinje som diskuteras i artikeln kommer lösningen att vara "material som har några av samma egenskaper som du hittar i den naturliga hjärnan."
Vissa "kvantmaterial" - material vars fysikaliska egenskaper inte kan beskrivas helt i enkla termer - verkar passa räkningen. Till exempel har vissa av dem en tendens att svänga på ett sätt som liknar de svängningar som bildas naturligt i hjärnan.
"Vi vill titta på material som till sin natur är instabila och fluktuerande", säger Hoffmann. "Den skiljer sig väldigt mycket från den traditionella datorn, där du vill ha väldigt stora energibarriärer mellan dina logiska nollor och ettor, så att de är väldefinierade och väl åtskilda."
Vidare, i en traditionell dator, är minnet och beräkningsenheten separata, och data blandas kontinuerligt fram och tillbaka mellan dem - en viktig anledning till att beräkningen är så energikrävande.
"I den naturliga hjärnan," å andra sidan, "är beräkningen och minnet mycket mer samlokaliserat", säger Hoffmann. "Information... är mycket mer distribuerad över hela nätverket, så det finns ingen anledning att flytta runt den."
Sammanfattningsvis öppnar kvantmaterial dörren till datorer som erbjuder mycket energieffektiva "fram och tillbaka" och kan jonglera med flera möjliga tillstånd samtidigt som de förbrukar väldigt lite energi.
Hoffmann var medförfattare av Perspectives-stycket med sina kollegor från det UCSD-ledda, DOE-finansierade Quantum Materials for Energy Efficient Neuromorphic Computing Center. Hans egen forskning inom detta område fokuserar främst på magnetiska material och hur man skalar upp magnetiska oscillerande system från proof-of-concept-experiment till användbara system. + Utforska vidare