Вероятностные нейронные сети и дисульфид молибдена обеспечат будущее компьютинга

Компьютеры могут выполнять операции намного быстрее, чем человеческий мозг, и хранить больше информации. Тем не менее, человеческий мозг многократно превосходит по эффективности самые сложные суперкомпьютеры — примерно в миллион раз, по словам Саптарши Даса (Saptarshi Das), доцента инженерных наук и механики в Пенсильванском университете (Penn State).

C 690 тыс. долларов, полученными от Управления армейских исследований (ARO), Дас планирует начать сокращать это отставание.

Для этого он прежде всего разрабатывает нейроморфные электронные компоненты, имитирующие вычислительную структуру мозга. Устройства Даса объединят память и обработку в одном небольшом экономичном модуле, концептуально напоминающем синапс и прилегающие к нему нейроны. Широкое использование распределённых данных и процессоров предотвратит заторы, возникающие при передаче данных между дискретными процессорами и памятью в традиционных компьютерах.

Свой вклад в рост эффективности внесут и вероятностные нейронные сети (PNN). Созданные по образцу человеческого мозга, сети PNN могут делать приближенные выводы там, где классический компьютер будет тратить избыточные ресурсы на поиск абсолютно определённого ответа.

И, наконец, Дас собирается экспериментировать с разными материалами в целях уменьшения размеров транзисторов. Кремний теряет свои электрические свойства, когда становится слишком тонким. Поэтому, Дас исследует в качестве альтернативы материалы, которые можно сделать атомарно тонкими, например дисульфид молибдена. Транзисторы меньшего размера позволят снизить потребление энергии, а также тепловыделение — в результате компьютеру потребуется меньше ресурсов и места для систем охлаждения.

«Через 10 лет почти 20% мировой энергии будет тратиться на вычисления, — заявил Дас. — Этот проект направлен на поиск способов сделать новые устройства более эффективными при дальнейшем расширении их возможностей».

В данном проекте Дас сотрудничает с Лабораторией физических наук, Консорциумом 2D Crystal, факультетом материаловедения Колледжа Земли и минералогии и другими подразделениями Penn State, а также с отделом компьютерных наук ARO.