p (Phys.org) - Computadores naturais, como cérebros evoluídos e autômatos celulares, expressam redes interconectadas sofisticadas e exibem paralelismo maciço. Eles também se adaptam para explorar propriedades físicas locais, como diafonia capacitiva entre circuitos. Por contraste, os computadores sintéticos canalizam a atividade de acordo com as regras de design estabelecidas e não se adaptam para tirar vantagem do ambiente. Assim, os pesquisadores estão interessados ​​em usar a própria matéria para computação. p Os cientistas especularam sobre a capacidade de desenvolver redes sem design em nanoescala de matéria inanimada com as mesmas capacidades robustas dos computadores naturais, mas ainda não percebi o conceito. Agora, um grupo de pesquisadores relata em Nature Nanotechnology um sistema de nanomateriais desordenado que foi artificialmente evoluído otimizando os valores das tensões de controle de acordo com um algoritmo genético.

p Usando nanopartículas metálicas interconectadas, que agem como transistores de elétron único não lineares, os pesquisadores foram capazes de explorar as propriedades de rede emergentes do sistema para criar um sistema universal, porta booleana reconfigurável. Os autores observam que seu sistema atende aos requisitos de uma rede neural celular - universalidade, compacidade, robustez e capacidade de evolução. A abordagem deles funciona em torno das variações de dispositivo a dispositivo que estão se tornando cada vez mais difíceis de alinhar à medida que os semicondutores se aproximam da nanoescala, e que resultam em incertezas no desempenho.

p Seu sistema é uma rede de nanopartículas desordenada que pode ser reconfigurada in situ em qualquer porta lógica booleana de duas entradas, ajustando seis tensões de controle estático. Ele explora o rico comportamento emergente de até 100 nanopartículas interconectadas arbitrariamente. Para o experimento, os pesquisadores usaram nanopartículas de ouro de 20 nm interconectadas com moléculas isolantes. Esses transistores de elétron único expressam um comportamento de comutação fortemente não linear, e os pesquisadores procuraram portas lógicas entre as interações mútuas entre eles.

p O método mais rápido provou ser a evolução artificial. Eles desenvolveram um algoritmo genético que seguia as regras bem conhecidas da seleção natural, considerando cada tensão de controle como um gene e o conjunto completo de tensões do sistema como um genoma. O de melhor desempenho (ou seja, genomas "mais adaptados") foram preservados e melhorados por meio de uma abordagem composta de clonagem-reprodução. Os traços desejáveis ​​do inicial, principalmente os genomas de baixo desempenho foram passados ​​seletivamente para as gerações subsequentes.

p Para cada porta lógica evoluída, o algoritmo genético quase sempre convergiu para um genoma viável em menos de 200 gerações. Os pesquisadores observam que, devido aos sinais de entrada lentos que usaram, o processo demorou cerca de uma hora; otimizar a configuração do sistema pode resultar em uma evolução mais rápida.

p "Usando o procedimento de evolução artificial ... conseguimos realizar totalmente configurável, lógica booleana robusta em redes de nanopartículas desordenadas em nossa temperatura base de ~ 0,3 K. Esses resultados compreendem a primeira demonstração experimental de exploração de matéria desordenada em nanoescala para funcionalidade computacional, "escrevem os autores.

p Eles observam que o sistema atende aos critérios para a realização física da rede neural celular e que a mesma abordagem evolutiva com um layout de eletrodo mais sofisticado pode render muito mais tarefas computacionais. "Nossa abordagem evolutiva contorna as variações de dispositivo para dispositivo em nanoescala e as incertezas de desempenho que as acompanham, que está se tornando cada vez mais um gargalo para a miniaturização de circuitos eletrônicos convencionais. Os resultados, Portanto, também precisam ser vistos à luz dessas possibilidades empolgantes, " eles escrevem. p © 2015 Phys.org