Новый способ вычисления с зависимым от взаимодействия изменением состояния наномагнитов

Исследователи из Инженерного колледжа Университета Южной Флориды предложили новую форму вычислений, которая использует круговые наномагниты для решения задач квадратичной оптимизации на несколько порядков быстрее, чем обычный компьютер.

Широкий спектр прикладных областей, таких как нахождение модели в социальных медиа, коды коррекции ошибок в больших данных и в биологических науках, потенциально может быть ускорен за счет этого исследования.

В статье, опубликованной в последнем выпуске Nature Nanotechnology, "Не-булевы вычисления с наномагнитами для приложений компьютерного зрения" авторы Sanjukta Bhanja, D.K. Karunaratne и др. обсуждают, как их работа использовала минимизирующий энергию характер наномагнитных систем для решения задач квадратичной оптимизации, которые возникают в приложениях компьютерного зрения, требуюих больших вычислительных ресурсов.

Согласно авторам, магниты использовались в качестве памяти компьютера/хранилища данных еще в 1920 г.; они даже получили название в общей аппаратной терминологии как мультисердечники. Область наномагнетизма в последнее время привлекает огромное внимание, поскольку она может потенциально поставить маломощные высокоскоростные и высокоплотные энергонезависимые запоминающие устройства. Теперь есть возможность спроектировать размер, форму, упаковку, ориентацию и композицию суб-100-нанометровых магнитных структур. Это стимулировало исследование наномагнитов для нетрадиционных вычислительных парадигм.

Используя намагниченные состояния наномагнитных дисков как состояние представлений вихря и одного домена, исследовательская группа создала основы моделирования для решения вихревого и плоского домена в единых рамках и получила магнитный гамильтониан квадратичный по существу. Реализованная магнитная система может определить характерные черты данного изображения с вероятностью более чем 85%. Эта форма вычислений, в среднем, в 1528 раз быстрее, чем IBM ILOG CPLEX (отраслевой стандарт программного оптимизатора) с разреженными матрицами сродства (четыре соседних узла), и в 468 раз быстрее с более плотными (восемь соседних узлов) матрицами сродства. Эти результаты показывают потенциал этого альтернативного метода вычислений, позволяющий разработку магнитного сопроцессора, который может решать сложные проблемы за меньшее количество циклов, чем традиционные процессоры.

Изображение художника является иллюстрацией наномагнитного сопроцессора, решающего сложные задачи оптимизации, и подчеркивает спроектированную форму двух уникальных минимальных энергетических состояний наномагнетика – вихрь и один домен

Ready, set, buy! Посібник для початківців - як придбати Copilot для Microsoft 365