Des chercheurs de la Technische Universität Dresden en Allemagne il n'y a pas si longtemps publié analyse révolutionnaire dévoilant une toute nouvelle conception de matériaux pour l'informatique neuromorphique, une expertise qui aurait des implications révolutionnaires pour chaque blockchain et IA.
Utilisant une méthode connue sous le nom de "calcul de réservoir", l'équipage a développé une technique de reconnaissance d'échantillons qui utilise un vortex de magnon pour effectuer des caractéristiques algorithmiques pratiquement instantanément.
Il semble sophistiqué à cause de cela. Fourniture d'images, article Nature, Korber et. Al., Reconnaissance de formes dans l'espace réciproque à l'aide d'un réservoir de diffusion magnon
Ils ont non seulement développé et examiné les nouveaux matériaux de réservoir, mais ont également démontré la possibilité pour l'informatique neuromorphique de fonctionner sur une puce CMOS standard, ce qui est faisable. Tournez-le à l'envers chaque blockchain et IA.
Les systèmes informatiques de base, ressemblant à ceux qui alimentent nos smartphones, ordinateurs portables et de nombreux superordinateurs dans le monde, utilisent des transistors binaires qui peuvent être à la fois activés ou désactivés (exprimés par « un » ou « zéro »).
Les systèmes informatiques neuromorphiques utilisent des neurones corporels synthétiques programmables pour imiter l'exercice naturel de l'esprit. Au lieu de traiter les informations binaires, ces techniques envoient des alertes par des modèles complètement différents de neurones avec le problème de temps supplémentaire.
La justification qui est particulièrement vitale pour les domaines de la blockchain et de l'IA est que les systèmes informatiques neuromorphiques sont essentiellement adaptés à la reconnaissance d'échantillons et aux algorithmes d'étude automatique.
Les techniques binaires utilisent l'algèbre booléenne pour le calcul. Pour cette raison, les systèmes informatiques traditionnels restent incontestés en ce qui concerne le calcul des nombres. Néanmoins, en ce qui concerne la reconnaissance des échantillons, en particulier lorsque les informations sont bruyantes ou manquent de données, ces techniques se battent.
Pour cette raison, les techniques classiques prennent beaucoup de temps pour résoudre des énigmes cryptographiques complexes et sont totalement inadaptées aux conditions où des informations incomplètes empêchent une résolution mathématique.
Dans la finance, l'intelligence synthétique et les transports, par exemple, il y a un mouvement sans fin d'informations en temps réel. Les systèmes informatiques de base luttent contre des problèmes cachés - le problème des automobiles autonomes, par exemple, a jusqu'à présent été difficile à réduire à une séquence de problèmes de calcul "vrai/faux".
Néanmoins, les systèmes informatiques neuromorphiques sont spécialement conçus pour résoudre les problèmes où il y a un manque de compréhension. Dans le secteur des transports, il est inimaginable pour un ordinateur portable classique de prédire les déplacements des visiteurs du site car il existe trop de variables impartiales. Un ordinateur portable neuromorphique peut continuellement réagir aux informations en temps réel car il ne traite pas les éléments d'information individuellement.
En guise d'alternative, les systèmes informatiques neuromorphiques transmettent des informations par des configurations d'échantillons qui fonctionnent de manière très similaire à l'esprit humain. Notre cerveau clignote certains modèles associés à certaines caractéristiques neuronales, et chacun des modèles et des caractéristiques peut le faire Change heures supplémentaires.
Associé: Comment l'informatique quantique affecte-t-elle l'activité monétaire ?
Le principal avantage de l'informatique neuromorphique est qu'elle est plus efficace que l'informatique classique et quantique consommation est extraordinairement faible. Ce qui signifie que les systèmes informatiques neuromorphiques pourraient réduire considérablement le temps et les prix de l'énergie de chacun travaillant sur une blockchain et exploitant de nouveaux blocs sur les blockchains actuelles.
Les systèmes informatiques neuromorphiques pourraient également accélérer considérablement les techniques d'étude des machines, en particulier celles qui communiquent avec des capteurs du monde réel (voitures autonomes, robots) ou celles qui transmettent des informations en temps réel (analyse du marché crypto, hubs de transport).
