Исследователи из Института атомной и молекулярной физики (AMOLF) в Нидерландах создали инновационный материал, предназначенный для выполнения механических вычислений. В отличие от традиционных электронных устройств, этот материал основан на гибком резиновом листе с уникальным повторяющимся узором, который позволяет осуществлять матрично-векторное умножение, важное для алгоритмов машинного обучения. Управление осуществляется через контролируемые деформации, где входные данные подаются через смещение краев, а результаты вычислений проявляются в движениях других зон материала.
Главное отличие новой технологии — использование «гибких режимов», которые минимизируют энергозатраты. Каждая структурная единица обрабатывает два входных сигнала и генерирует два выхода, а весовые коэффициенты задаются углами балок, что позволяет изменять функции материала после его производства. Эксперименты с образцом толщиной 6 мм показали, что при слабых сигналах погрешность составила 20%, а при увеличении амплитуды система проявляла насыщение. Подсчеты продемонстрировали, что современные технологии позволяют создавать вычислительные матрицы размером до 64 на 64 ячейки, что достаточно для решения реальных задач, таких как обработка голосовых сигналов.
Вопрос-ответ
Что представляет собой новый материал для механических вычислений?
Это инновационный материал, созданный из гибкого резинового листа с особым повторяющимся узором. В отличие от электронных устройств, он выполняет вычисления механически, в частности, операцию матрично-векторного умножения, которая важна для алгоритмов машинного обучения.
Как именно этот материал производит вычисления?
Вычисления осуществляются через контролируемые деформации. Входные данные подаются путем смещения краев материала, а результаты проявляются в виде движений в других его зонах. Ключевой особенностью является использование «гибких режимов», которые значительно минимизируют затраты энергии.
Каковы практические возможности и ограничения этой технологии на данном этапе?
Современные технологии позволяют создавать на основе материала вычислительные матрицы размером до 64 на 64 ячейки, что уже достаточно для решения реальных задач, например, обработки голосовых сигналов. К ограничениям относится погрешность около 20% при слабых сигналах и эффект насыщения при их увеличении, что было выявлено в ходе экспериментов.
