Un nuovo modo di disporre i componenti di computer avanzati chiamati memristori su un chip potrebbe consentire loro di essere utilizzati per l'informatica generale, che potrebbe ridurre il consumo di energia di un fattore 100.

Ciò migliorerebbe le prestazioni in ambienti a bassa potenza come gli smartphone o renderebbe supercomputer più efficienti, dice un ricercatore dell'Università del Michigan.

"Storicamente, l'industria dei semiconduttori ha migliorato le prestazioni rendendo i dispositivi più veloci. Ma sebbene i processori e le memorie siano molto veloci, non possono essere efficienti perché devono aspettare che i dati entrino e escano, " ha detto Wei Lu, Professore di ingegneria elettrica e informatica e co-fondatore della startup memristor Crossbar Inc.

I memristori potrebbero essere la risposta. Chiamato come un portmanteau di memoria e resistenza, possono essere programmati per avere diversi stati di resistenza, il che significa che memorizzano informazioni come livelli di resistenza. Questi elementi del circuito consentono la memoria e l'elaborazione nello stesso dispositivo, eliminando il collo di bottiglia del trasferimento di dati sperimentato dai computer convenzionali in cui la memoria è separata dal processore.

Però, a differenza dei normali bit, che sono 1 o 0, i memristori possono avere resistenze su un continuum. Alcune applicazioni, come il calcolo che imita il cervello (neuromorfo), sfruttare la natura analogica dei memristori. Ma per l'informatica ordinaria, cercare di distinguere tra piccole variazioni nella corrente che passa attraverso un dispositivo a memristore non è abbastanza preciso per i calcoli numerici.

Lu e i suoi colleghi hanno aggirato questo problema digitalizzando le uscite di corrente, definendo gli intervalli di corrente come valori di bit specifici (ad es. 0 o 1). Il team è stato anche in grado di mappare grandi problemi matematici in blocchi più piccoli all'interno dell'array, migliorare l'efficienza e la flessibilità del sistema.

Computer con questi nuovi blocchi, che i ricercatori chiamano "unità di elaborazione della memoria, " potrebbe essere particolarmente utile per implementare algoritmi di apprendimento automatico e intelligenza artificiale. Sono anche adatti a compiti basati su operazioni di matrice, come le simulazioni utilizzate per la previsione del tempo. Le matrici matematiche più semplici, simile a tabelle con righe e colonne di numeri, può mappare direttamente sulla griglia dei memristori.

Una volta che i memristori sono impostati per rappresentare i numeri, operazioni che moltiplicano e sommano le righe e le colonne possono essere svolte contemporaneamente, con una serie di impulsi di tensione lungo le file. La corrente misurata alla fine di ogni colonna contiene le risposte. Un tipico processore, in contrasto, dovrebbe leggere il valore da ogni cella della matrice, eseguire la moltiplicazione, e poi somma ogni colonna in serie.

"Otteniamo la moltiplicazione e l'addizione in un unico passaggio. È gestito attraverso leggi fisiche. Non abbiamo bisogno di moltiplicare e sommare manualmente in un processore, " disse Lu.

Il suo team ha scelto di risolvere equazioni differenziali alle derivate parziali come test per un array di memristor 32x32, che Lu immagina come solo un blocco di un sistema futuro. Queste equazioni, compresi quelli che stanno dietro le previsioni del tempo, sono alla base di molti problemi scientifici e ingegneristici, ma sono molto impegnativi da risolvere. La difficoltà deriva dalle forme complicate e dalle molteplici variabili necessarie per modellare i fenomeni fisici.

Quando risolvere esattamente equazioni differenziali alle derivate parziali è impossibile, risolverli approssimativamente può richiedere supercomputer. Questi problemi spesso coinvolgono matrici di dati molto grandi, quindi il collo di bottiglia della comunicazione tra memoria e processore viene risolto con un array di memristor. Le equazioni usate dal team di Lu nella loro dimostrazione simulavano un reattore al plasma, come quelli utilizzati per la fabbricazione di circuiti integrati.

Questo lavoro è descritto in uno studio, "Un risolutore di equazioni differenziali alle derivate parziali basato su memristori, "pubblicato sulla rivista Elettronica della natura .