Исследователи из Дрезденского технического университета в Германии недавно опубликовали прорывное исследование, демонстрирующее новый дизайн материалов для нейроморфных вычислений, технологию, которая может иметь революционные последствия как для блокчейна, так и для ИИ.
Используя технику под названием «резервуарные вычисления», команда разработала метод распознавания образов, который использует вихрь магнонов для почти мгновенного выполнения алгоритмических функций.
Они не только разработали и протестировали новый резервуарный материал, но и продемонстрировали потенциал нейроморфных вычислений для работы на стандартном чипе CMOS, что может перевернуть с ног на голову как блокчейн, так и ИИ.
В классических компьютерах, таких как те, что питают наши смартфоны, ноутбуки и большинство мировых суперкомпьютеров, используются двоичные транзисторы, которые могут быть либо включены, либо выключены (обозначаются как «единица» или «ноль»).
Нейроморфные компьютеры используют программируемые физические искусственные нейроны для имитации органической активности мозга. Вместо обработки двоичных файлов эти системы отправляют сигналы через различные структуры нейронов с дополнительным фактором времени.
Причина, по которой это важно для областей блокчейна и искусственного интеллекта, в частности, заключается в том, что нейроморфные компьютеры в основном подходят для алгоритмов распознавания образов и машинного обучения.
Двоичные системы используют булеву алгебру для вычислений. По этой причине классические компьютеры остаются непревзойденными, когда дело доходит до обработки чисел. Однако, когда дело доходит до распознавания образов, особенно когда данные зашумлены или отсутствует информация, эти системы испытывают затруднения.
Вот почему классическим системам требуется значительное количество времени для решения сложных криптографических головоломок, и почему они совершенно не подходят для ситуаций, когда неполные данные мешают математическому решению.
Например, в сфере финансов, искусственного интеллекта и транспорта существует нескончаемый поток данных в режиме реального времени. Классические компьютеры борются с проблемами окклюзии — например, проблему беспилотных автомобилей до сих пор трудно свести к серии вычислительных задач «истина/ложь».
Однако нейроморфные компьютеры созданы специально для решения проблем, связанных с нехваткой информации. В транспортной отрасли классический компьютер не может предсказать транспортный поток, потому что существует слишком много независимых переменных. Нейроморфный компьютер может постоянно реагировать на данные в реальном времени, потому что они не обрабатывают точки данных по одной за раз.
Вместо этого нейроморфные компьютеры пропускают данные через конфигурации паттернов, которые функционируют примерно так же, как человеческий мозг. В нашем мозгу возникают определенные паттерны в отношении определенных нейронных функций, и как паттерны, так и функции могут меняться со временем.
Связанный: Как квантовые вычисления влияют на финансовую отрасль?
Основное преимущество нейроморфных вычислений заключается в том, что по сравнению с классическими и квантовыми вычислениями их уровень энергопотребления чрезвычайно низок. Это означает, что нейроморфные компьютеры могут значительно снизить затраты времени и энергии, когда речь идет как о работе блокчейна, так и о добыче новых блоков в существующих блокчейнах.
Нейроморфные компьютеры также могут обеспечить значительное ускорение систем машинного обучения, особенно тех, которые взаимодействуют с датчиками реального мира (беспилотные автомобили, роботы) или обрабатывают данные в режиме реального времени (анализ рынка криптовалют, транспортные узлы).
