Neue Gehirn-wie Computer kann weltweit komplexe mathematische Probleme lösen.
Ein neuer Computer-Prototyp genannt eine "Memcomputer" funktioniert durch die Nachahmung des menschlichen Gehirns und könnte eines Tages Aufgaben bekanntermaßen komplex wie brechen Codes, sagen Wissenschaftler.
Diese neue, Gehirn-inspirierten Computergeräte auch Neurowissenschaftler besser zu verstehen, die Funktionsweise des menschlichen Gehirns helfen könnte, sagen Forscher.
In einem herkömmlichen Mikrochip, der Prozessor, der Berechnungen ausführt, und die Erinnerung, die Daten speichert, sind separate Komponenten. Dieses ständige Weitergabe von Daten zwischen dem Prozessor und der Arbeitsspeicher verbraucht Zeit und Energie, wodurch die Leistung von standard-Computern.
Im Gegensatz dazu Massimiliano Di Ventra, ein theoretischer Physiker an der University of California, San Diego und seine Kollegen bauen "Memcomputers", bestehend aus "Memprocessors", dass beide Daten verarbeitet und gespeichert. Dieses Setup imitiert die Neuronen, aus denen sich das menschliche Gehirn mit jedem Neuron als der Prozessor und der Arbeitsspeicher. Die Bausteine des Memcomputers wurden in den 1970er Jahren zuerst theoretisch vorhergesagt, aber sie wurden zum ersten Mal im Jahr 2008 hergestellt. [Super-intelligenten Maschinen: 7 Roboter Futures]
Jetzt haben Di Ventra und seine Kollegen eine Prototyp-Memcomputer errichtet, sie sagen, eine Art von notorisch schwierig rechnerische Problem effizient lösen können. Darüber hinaus Bauten sie ihre Memcomputer aus standard Mikroelektronik.
"Diese Maschinen mit verfügbaren Technologie gebaut werden können", sagte Di Ventra Leben Wissenschaft.
Die Forscher untersuchten eine Klasse von Problemen bekannt als NP-vollständig. Eine Person kann mit dieser Art von Problem schnell überprüfen, ob jede gegebene Lösung kann oder nicht funktionieren kann aber nicht schnell die beste Lösung für sie finden.
Ein Beispiel für solch ein Rätsel ist "Traveling Salesman Problem", in denen jemand erhält eine Liste der Städte und wird gebeten, den kürzesten Weg von einer Stadt zu finden, die jede andere Stadt genau einmal besucht und kehrt in die Stadt. Obwohl jemand möglicherweise in der Lage, schnell herauszufinden, ob eine Route bekommt zu allen Städten und geht nicht mehr als einmal in jeder Stadt, prüfen, ob diese Strecke die kürzeste beinhaltet, versucht jede einzelne Kombination – eine Brute-Force-Strategie, die weitaus komplexer als die Anzahl der Städte nimmt wächst.
Memprocessors in einem Memcomputer gemeinsam und gleichzeitig arbeiten können, jede mögliche Lösung für solche Rätsel zu finden.
Die neue Memcomputer löst die NP-vollständige Version dessen, was das Teilmenge Summe Problem genannt wird. Dieses Problem, erhält man einen Satz von Ganzzahlen – ganze Zahlen wie 1 und negative 1, aber keine Brüche wie 1/2 – und muss herausfinden, ob eine von diesen Zahlen Teilmenge, deren Summe Null ist.
"Wenn wir ein anderes Paradigma der Berechnung zusammenarbeiten, die Probleme, die notorisch schwierig zu lösen mit aktuellen Computern sind effizienter mit Memcomputers gelöst werden können," sagte Di Ventra.
Aber diese Art von Problem zu lösen ist nur ein Vorteil von diesen Computern gegenüber traditionellen Computern. "Darüber hinaus, wir möchten verstehen, was wir aus Memcomputing lernen wir etwas über das Funktionieren des Gehirns, beibringen," sagte Di Ventra.
Quanten-computing
NP-vollständige Probleme zu lösen, verfolgen Wissenschaftler auch eine andere Strategie mit Quanten-Computern, die Komponenten bekannt als Qubits zu verwenden, um jede mögliche Lösung für ein Problem gleichzeitig zu untersuchen. Quantencomputer haben jedoch Einschränkungen – zum Beispiel arbeiten sie in der Regel bei extrem niedrigen Temperaturen.
Im Gegensatz dazu Memcomputers "können mit standard-Technologie gebaut werden und bei Raumtemperatur zu betreiben", sagte Di Ventra. Darüber hinaus könnte Memcomputers Probleme anzugehen, die Wissenschaftler mit Quanten-Computern, z. B. Code brechen erkunden.
Die neuen Memcomputer haben jedoch eine wichtige Einschränkung: Es ist schwer, diese Proof-of-Concept-Version bis zu einer Vielzahl von Memprocessors zu skalieren, sagte Di Ventra. Die Art und Weise das System Daten verschlüsselt macht es anfällig für zufällige Schwankungen, die zu Fehlern führen können, und eine groß angelegte Version müsste Error correction Codes, die dieses System komplexer zu machen und möglicherweise zu schwerfällig, schnell zu arbeiten, fügte er hinzu.
Di Ventra sagte noch, es sollte möglich sein, Memcomputers zu bauen, die Daten auf eine andere Weise zu kodieren. Dies wäre weniger anfällig für solche Probleme und damit skalierbar zu eine sehr große Anzahl von Memprocessors machen.
Die Wissenschaftler ihre Ergebnisse detailliert Online-Juli 3 in der Zeitschrift Science fördert.
Folgen Sie uns @livescience, Facebook & Google +.