Duken yliopiston tutkijat ovat hyödyntäneet koneoppimisen voimaa suunnitellakseen dielektrisiä (ei-metallisia) metamateriaaleja, jotka absorboivat ja emittoivat erityisiä terahertsisäteilyn taajuuksia. Koneoppimisen avulla tutkijat onnistuivat kutistamaan yli 2000 vuoden laskennan 23 tunniksi.
Tutkijat etsivät energiankeruuseen sopivia metamateriaaleja. Löydetty metamateriaali rakennettiin legomaisista neljän piisylinterien ruuduista. Kunkin sylinterin korkeuden, säteen ja etäisyyden säätäminen muuttaa valon taajuuksia, joiden kanssa metamateriaali on vuorovaikutuksessa.
Näiden kaikkien vuorovaikutusten laskeminen identtiselle sylinterikokoelmalle on vielä yksinkertainen prosessi, jonka voi tehdä kaupallisilla ohjelmistoilla. Mutta sellaisen käänteisen ongelman selvittäminen, jonka geometriat tuottavat halutun ominaisuusjoukon, on paljon vaikeampi tapaus.
Yksi tapa löytää oikea yhdistelmä olisi simuloida kaikki mahdolliset geometriat ja valita paras tulos. Mutta jopa yksinkertaisella dielektrisellä metamateriaalilla, jossa jokaisella neljästä sylinteristä voi olla vain 13 erilaista sädettä ja korkeutta, mahdollisia geometrioita on 815,7 miljoonaa. Jopa parhaimmilla käytettävissä olevilla tietokoneilla kaikkien näiden simulointi vie yli 2000 vuotta.
Prosessin nopeuttamiseksi tutkijat kääntyivät koneoppimisen asiantuntijan apuun, joka loi neuroverkoksi kutsutun koneoppimismallin. Sellainen pystyy tehokkaasti suorittamaan simulaatiokokoelmia nopeammin kuin alkuperäinen simulaatio-ohjelmisto.
Veijo Hänninen
Nanobittejä 9.10.2019
Saksalaislähtöinen Ubitium on kehittänyt innovatiivisen prosessoriarkkitehtuurin, joka yhdistää eri suorittimien (CPU, GPU, DSP, FPGA) toiminnot yhteen siruun. Yrityksen mukaan tämä uusi RISC-V-arkkitehtuuriin perustuva ratkaisu mullistaa yli 50 vuotta vanhan suorittimien suunnittelun.
Moni uusi sähköauton omistaja kokee toimintasädeahdistusta. Tätä ongelmaa autonvalmistajat voivat helpottaa siirtymällä piipohjaista IGBT-piireissä piikarbidiopohjaisiin siruihin. auton vetoinvertterissä.
