Konstnärens skildring är en illustration av en nanomagnetisk coprocessor som löser komplexa optimeringsproblem och belyser den formkonstruerade nanomagnetens två unika minimilägenheter-virvel och en enda domän. Upphovsman:Illustration av Ryan Wakefield
Forskare från University of South Florida College of Engineering har föreslagit en ny datorform som använder cirkulära nanomagneter för att lösa kvadratiska optimeringsproblem storleksordningar snabbare än en konventionell dator.
Ett brett spektrum av applikationsdomäner kan potentiellt accelereras genom denna forskning, till exempel att hitta mönster i sociala medier, felkorrigerande koder till Big Data och biovetenskap.
I en artikel publicerad i det aktuella numret av Naturnanoteknik , "Icke booleska datorer med nanomagneter för datorvisionsapplikationer, "författare Sanjukta Bhanja, D.K. Karunaratne, Ravi Panchumarthy, Srinath Rajaram, och Sudeep Sarkar diskuterar hur deras arbete utnyttjade energiminimerande karaktären hos nanomagnetiska system för att lösa de kvadratiska optimeringsproblem som uppstår i datorvisionsapplikationer, som är beräknat dyra.
Enligt författarna, magneter har använts som datorminne/datalagring sedan så tidigt som 1920; de gjorde även ett inträde i vanlig hårdvaruterminologi som multi- "core". Nanomagnetismens område har nyligen väckt enorm uppmärksamhet eftersom det potentiellt kan leverera lågeffekt, hög hastighet och täta icke-flyktiga minnen. Det är nu möjligt att konstruera storleken, form, mellanrum, orientering och sammansättning av magnetiska strukturer under 100 nm. Detta har drivit utforskningen av nanomagneter för okonventionella dataparadigm.
Genom att utnyttja magnetiseringstillstånden för nanomagnetiska skivor som tillståndsrepresentationer av en virvel och en enda domän, forskargruppen har skapat ett modelleringsramverk för att ta itu med virveln och den enda planet i en enhetlig ram och utvecklat en magnetisk Hamiltonian som är kvadratisk till sin natur. Det implementerade magnetiska systemet kan identifiera de framträdande egenskaperna hos en given bild med mer än 85 procent sann positiv hastighet. Denna databehandlingsform, i genomsnitt, är 1, 528 gånger snabbare än IBM ILOG CPLEX (en branschstandard mjukvaruoptimerare) med glesa affinitetsmatriser (fyra grannar), och 468 gånger snabbare med tätare (åtta grannar) affinitetsmatriser. Dessa resultat visar potentialen för denna alternativa beräkningsmetod att utveckla en magnetisk samprocessor som kan lösa komplexa problem i färre klockcykler än traditionella processorer.
