(Phys.org)—Naturliga datorer, såsom utvecklade hjärnor och cellulära automater, uttrycka sofistikerade sammankopplade nätverk och uppvisa massiv parallellism. De anpassar sig också för att utnyttja lokala fysiska egenskaper såsom kapacitativ överhörning mellan kretsar. Däremot syntetiska datorer kanaliserar aktivitet enligt etablerade designregler och anpassar sig inte för att dra fördel av sin omgivning. Således, forskare är intresserade av att använda själva materien för beräkning.

Forskare har spekulerat om förmågan att utveckla designlösa nanoskaliga nätverk av livlös materia med samma robusta kapacitet som naturliga datorer, men har ännu inte insett konceptet. Nu, en grupp forskare rapporterar in Naturens nanoteknik ett oordnat nanomaterialsystem som utvecklades artificiellt genom att optimera värdena på styrspänningar enligt en genetisk algoritm.

Med hjälp av sammankopplade metallnanopartiklar, som fungerar som olinjära enkelelektrontransistorer, forskarna kunde utnyttja systemets framväxande nätverksegenskaper för att skapa en universell, omkonfigurerbar boolesk gate. Författarna noterar att deras system uppfyller kraven för ett cellulärt neuralt nätverk - universalitet, kompakthet, robusthet och utvecklingsförmåga. Deras tillvägagångssätt fungerar kring de enhet-till-enhet-variationer som blir allt svårare att anpassa när halvledare närmar sig nanoskalan, och som resulterar i osäkerheter i prestanda.

Deras system är ett oordnat nanopartikelnätverk som kan omkonfigureras in situ till valfri boolesk logikgrind med två ingångar genom att ställa in sex statiska styrspänningar. Den utnyttjar det rika framväxande beteendet hos upp till 100 godtyckligt sammankopplade nanopartiklar. För experimentet, forskarna använde 20 nm guld nanopartiklar sammankopplade med isolerande molekyler. Dessa enelektrontransistorer uttrycker starkt olinjärt kopplingsbeteende, och forskarna letade efter logiska grindar bland de ömsesidiga interaktionerna mellan dem.

Den snabbaste metoden visade sig vara artificiell evolution. De utvecklade en genetisk algoritm som följde de välkända reglerna för naturligt urval, betraktar varje kontrollspänning som en gen och den kompletta uppsättningen av systemspänningar som ett genom. De bäst presterande (dvs. "fittest") genom bevarades och förbättrades via en sammansatt klonings-uppfödningsmetod. De önskvärda egenskaperna hos initialen, mestadels lågpresterande genom överfördes selektivt till efterföljande generationer.

För varje logisk grind som utvecklats, den genetiska algoritmen konvergerade nästan alltid till ett livskraftigt genom inom mindre än 200 generationer. Forskarna noterar att på grund av de långsamma insignaler de använde, processen tog ungefär en timme; att optimera systemuppsättningen kan resultera i snabbare utveckling.

"Genom att använda den artificiella utvecklingsproceduren... lyckades vi förverkliga fullt konfigurerbara, robust boolesk logik i oordnade nanopartikelnätverk vid vår bastemperatur på ~0,3 K. Dessa resultat utgör den första experimentella demonstrationen av att utnyttja oordnad materia på nanoskala för beräkningsfunktionalitet, " skriver författarna.

De noterar att systemet uppfyller kriterierna för det fysiska förverkligandet av cellulära neurala nätverk och att samma evolutionära tillvägagångssätt med en mer sofistikerad elektrodlayout skulle kunna ge många fler beräkningsuppgifter. "Vår evolutionära tillvägagångssätt arbetar kring enhet-till-enhet-variationer på nanoskala och de medföljande osäkerheterna i prestanda, som alltmer blir en flaskhals för miniatyrisering av konventionella elektroniska kretsar. Resultaten, därför, måste också ses i ljuset av dessa spännande möjligheter, " de skriver.

© 2015 Phys.org