Memristoripiirejä on tutkittu laajasti dataintensiivisiä tehtäviä, kuten keinotekoisia hermoverkkoja ajatellen. Kuitenkin tarkkuutta vaatimia laskentatehtäviä on vaikea toteuttaa memristoreilla, koska normaalisti ne eivät sellaista tarjoa ja kärsivät suuresta piirikohtaisista vaihteluista.
Michiganin yliopiston tutkijat ovat järjestäneet memristoreita lohkoksi tavalla, joka voisi mahdollistaa niiden käytön yleiseen tietojenkäsittelyyn ja samalla vähentäen energiankulutusta satakertaisesti.
Memristorit voidaan ohjelmoida erilaisilla resistanssiarvoilla ja ne mahdollistavat muistin ja käsittelyn samassa piirissä. Memristorien resistanssit ovat jatkuvia, joten datankäsittelyssä ne eivät ole riittävän tarkkoja numeeristen laskelmien suhteen. Tutkijat kiersivät ongelman digitoimalla ulostulot bittiarvoiksi (0 tai 1).
Tietokoneissa nämä uudet muistiyksikkölohkot voisivat olla erityisen hyödyllisiä koneoppimisen ja tekoälyn algoritmien toteuttamisessa. Ne soveltuvat myös matriisioperaatioihin perustuviin tehtäviin, kuten sääennusteisiin käytettäviin simulaatioihin.
Demonstraationa Lun ryhmä päätti ratkaista osittaisdifferentiaaliyhtälöjä 32 × 32 memristorin ryhmällä. Tällaiset yhtälöt, kuten sääennusteet ja monet tieteen ja tekniikan ongelmat ovat erittäin haastavia ratkaista. Vaikeus syntyy monimutkaisista muodoista ja monista muuttujista, joita tarvitaan fysikaalisten ilmiöiden mallintamiseen.
Kun osittaisdifferentiaaliyhtälöiden ratkaiseminen on aivan mahdotonta, niiden ratkaiseminen voi vaatia supertietokoneita. Näihin ongelmiin liittyy usein erittäin suuria datamatriiseja, joten muistin ja prosessorin välisen viestinnän pullonkaulaan memristoriryhmä on näppärä ratkaisu.
- Olen käyttänyt vuosia yrittäen ratkaista käsin osittaisdifferentiaalisia yhtälöitä, jotka ohjaavat äänen etenemistä, äänisynteesiä kehittänyt jatko-opiskelija Jui-Hsien Wang toteaa.
Stanfordin yliopiston tutkijat ovat nyt kehittäneet järjestelmän, joka tuottaa automaattisesti tarkkoja ääniä monenlaisille animoiduille ilmiöille.Useimmat animaatioäänet perustuvat ennalta tallennettuihin leikkeisiin, jotka vaativat synkronointeja ja ovat muutenkin rajoittuneita.
- Järjestelmämme on periaatteessa vain renderointipainike, jolla on minimaalinen esikäsittely, ja joka käsittelee kaikkia esineitä yhdessä akustisen aallon simuloinnissa, kertoo jatko-opiskelija Ante Qu.
Tämän menetelmän tuloksena saatu simuloitu ääni on erittäin yksityiskohtainen. - Ensimmäiset veden äänet, jotka luotiimme järjestelmällä, olivat parhaita simuloinnilla tehtyjä ja vesi on valtava haaste tietokoneella tuotetulle äänelle, toteavat tutkijat yliopistonsa tiedotteessa.
Nyt, kun tutkijat ovat osoittaneet tämän tekniikan potentiaalin, he voivat keskittyä suorituskyvyn optimointiin, kuten menetelmän toteuttamiseen rinnakkaisella GPU-laitteistolla, jonka pitäisi tehdä sen huomattavasti nopeammin.
Veijo Hänninen
Nanobittejä 15.8.2018