Ioninen nestepohjainen säilölaskenta13.05.2022
Nyt japanilaiset tutkijat esittelevät ionisia nesteitä helposti viritettävänä fyysisenä säilölaitteena, joka voidaan optimoida käsittelemään signaaleja laajalla aikavälillä yksinkertaisesti muuttamalla niiden viskositeettia. Tekoäly (AI) yleistyy myös sovelluksissa, joissa on antureita ja esineiden internetin laitteita, joissa laskenta ja analyysit halutaan suorittaa lähellä käyttäjää eikä kaukaisella keskitetyllä palvelimella. Tässä suhteessa fyysisten järjestelmien transienttidynamiikkaan perustuva fyysinen säilölaskenta (PRC) voi yksinkertaistaa huomattavasti reuna-AI:n laskentaparadigmaa. Kiinteiden PRC-järjestelmien dynamiikalle on kuitenkin ominaista tietyt aikaskaalat, joita ei ole helppo virittää ja jotka ovat yleensä liian nopeita useimmille fyysisille signaaleille. Ongelman ratkaisemiseksi japanilainen tutkimusryhmä, johon kuuluivat professori Kentaro Kinoshita ja tohtoriopiskelija Sang-Gyu Koh Tokion tiedeyliopistosta sekä kollegoita National Institute of Advanced Industrial Science and Technologystä ehdottivat uudessa tutkimuksessa nestemäisten PRC-järjestelmien käyttöä. "Perinteisten kiinteiden säilöjen korvaamisen nestemäisillä pitäisi johtaa tekoälylaitteisiin, jotka voivat suoraan oppia ympäristön tuottamien signaalien, kuten äänen ja värinän aikaskaaloissa reaaliajassa", selittää professori Kinoshita."Ioniset nesteet ovat stabiileja sulatettuja suoloja, jotka koostuvat täysin vapaasti vaeltavista sähkövarauksista. Ionisen nesteen dielektristä relaksaatiota tai sitä, kuinka sen varaukset uudelleenjärjestyvät vasteena sähköiseen signaaliin, voitaisiin käyttää säilönä ja se sisältää suuren lupauksen reunan tekoälyn fyysiselle laskennalle." Tutkimuksessaan ryhmä suunnitteli PRC-järjestelmän, jossa orgaanisen suolan ioninen neste, jonka kationista osuutta (positiivisesti varautunut ioni) voidaan helposti vaihdella valitun alkyyliketjun pituuden mukaan. Tutkijat havaitsivat, että vaikka säilön aika-asteikko on luonteeltaan monimutkainen, sitä voidaan ohjata suoraan ionisen nesteen viskositeetilla, joka riippuu kationisen alkyyliketjun pituudesta. Nämä havainnot ovat rohkaisevia, koska ne osoittavat selvästi, että ehdotettu PRC-järjestelmä, joka perustuu dielektriseen relaksaatioon elektrodi-ionisen nesteen rajapinnassa, voidaan virittää sopivasti tulosignaalien mukaan yksinkertaisesti muuttamalla ionisen nesteen viskositeettia. Tämä voisi tasoittaa tietä reuna-AI-laitteille, jotka voivat oppia tarkasti erilaisia elinympäristössä tuotettuja signaaleja reaaliajassa, toteavat tutkijat. Laskenta ei ole koskaan ollut joustavampaa! hehkuttavat tutkijat yliopistonsa tiedotteessa. Aiheesta aiemmin: |
Nanotekniikka on tulevaisuuden lupaus. Näillä sivuilla seurataan elektroniikkaa sekä tieto- ja sähkötekniikkaa sivuavia nanoteknisiä tiedeuutisia.