利默里克大学的一组研究人员公布了一种用于计算目的的分子设计创新方法。这种方法从人脑功能中汲取灵感，有望大幅提高人工智能系统的速度和能源效率。
由伯纳尔研究所的 Damien Thompson 教授领导的研究小组发现了在最基本的分子水平上操纵材料的新技术。他们的研究成果最近发表在《自然》杂志上，代表了神经形态计算领域的重大飞跃。神经形态计算是计算机科学的一个分支，旨在模仿生物神经网络的结构和功能。
突破背后的科学
这一发现的核心在于一种巧妙的方法，可以控制分子内原子的自然运动。汤普森教授解释说：“我们本质上是利用原子固有的摆动和抖动来处理和存储信息。”这种方法允许在单个分子结构中创建多个记忆状态，每个记忆状态都对应一个独特的电状态。
该团队的方法与传统的硅基计算有很大不同。在传统计算机中，信息是使用二进制状态（开或关，1 或 0）来处理和存储的。然而，利默里克团队的分子设计允许在小于原子的空间内实现多种状态，从而大大提高了信息密度和处理能力。
这种分子级操作解决了神经形态计算中最持久的挑战之一：实现高分辨率。到目前为止，受大脑启发的计算平台仅限于低精度操作，限制了它们在信号处理、神经网络训练和自然语言处理等复杂任务中的使用。利默里克团队的突破克服了这一障碍，为先进的人工智能应用开辟了新的可能性。
通过重新构思底层计算架构，研究人员创建了一个能够以前所未有的能源效率执行资源密集型工作负载的系统。他们的神经形态加速器由印度科学研究所的 Sreetosh Goswami 教授牵头，实现了令人印象深刻的每秒每瓦 4.1 万亿次运算 (TOPS/W)，标志着计算能力和节能方面的重大进步。
这一发现的意义远远超出了学术研究。正如汤普森教授所说：“这种创新的解决方案可以为所有计算应用带来巨大好处，从耗能的数据中心到内存密集型的数字地图和在线游戏。”更高效、更强大、更通用的计算系统可能会彻底改变从医疗保健和环境监测到金融服务和娱乐等各个行业。
潜在应用和未来影响
虽然对数据中心和边缘计算的直接影响显而易见，但这一分子计算突破可能会催化众多领域的创新。例如，在医疗保健领域，这些高精度神经形态系统可以实现对复杂生物数据的实时分析，从而有可能彻底改变个性化医疗和药物研发过程。
该技术的节能特性使其在太空探索和卫星通信领域尤其有前景，因为在这些领域，电力限制是一项重大挑战。未来的火星探测器或深空探测器可以从更强大的机载计算中受益，而无需增加能源需求。
在气候科学领域，这些分子计算机可以提高我们模拟复杂环境系统的能力，从而实现更准确的气候预测和更明智的政策决策。同样，在金融领域，该技术可以改变风险评估和高频交易算法，从而有可能创造更稳定、更高效的市场。
“万物”的概念——将计算功能集成到日常物品中——开辟了令人着迷的可能性。想象一下，衣服可以监测你的健康状况并实时调整其保温性能，或者食品包装可以检测变质并自动调整其保存机制。建筑物可以不仅仅是静态结构，还可以动态优化能源使用并响应环境变化。
随着研究的进展，我们可能会看到混合系统的出现，这种系统将传统的硅基计算与分子神经形态组件相结合，充分利用两种方法的优势。这可能会带来计算架构的新范式，模糊硬件和软件之间的界限，并有可能彻底改变我们设计和构建计算系统的方式。
底线
利默里克大学的分子计算突破是一种范式转变，可以重新定义我们与计算的关系。通过将生物过程的效率与数字系统的精确性结合起来，这项创新为我们刚刚开始想象的可能性打开了大门。当我们站在这个新时代的边缘时，跨行业和社会的变革潜力是巨大的，这预示着未来计算不仅仅是一种工具，而是我们日常生活中不可或缺的、看不见的一部分。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/ke-xue-jia-she-ji-fen-zi-ji-ji-yi-zhuang-tai-chao-yue-chuan
