La rappresentazione dell'artista è un'illustrazione di un coprocessore nanomagnetico che risolve complessi problemi di ottimizzazione e mette in evidenza i due stati minimi di energia unici del nanomagnete modellato sulla forma:vortice e singolo dominio. Credito:illustrazione di Ryan Wakefield
I ricercatori del College of Engineering della University of South Florida hanno proposto una nuova forma di calcolo che utilizza nanomagneti circolari per risolvere problemi di ottimizzazione quadratica ordini di grandezza più veloci di quelli di un computer convenzionale.
Una vasta gamma di domini applicativi può essere potenzialmente accelerata attraverso questa ricerca come la ricerca di modelli nei social media, codici correttivi per Big Data e bioscienze.
In un articolo pubblicato sull'attuale numero di Nanotecnologia della natura , "Calcolo non booleano con nanomagneti per applicazioni di visione artificiale, " autori Sanjukta Bhanja, D.K. Karunaratne, Ravi Panchumarthy, Srinath Rajaram, e Sudeep Sarkar discutono di come il loro lavoro ha sfruttato la natura di minimizzazione dell'energia dei sistemi nanomagnetici per risolvere i problemi di ottimizzazione quadratica che sorgono nelle applicazioni di visione artificiale, che sono computazionalmente costosi.
Secondo gli autori, i magneti sono stati utilizzati come memoria del computer/archiviazione dati fin dal 1920; hanno anche fatto un ingresso nella terminologia hardware comune come multi-"core". Il campo del nanomagnetismo ha recentemente attirato un'enorme attenzione in quanto può potenzialmente fornire bassa potenza, memorie non volatili ad alta velocità e densità. Ora è possibile ingegnerizzare la dimensione, forma, spaziatura, orientamento e composizione di strutture magnetiche sub-100 nm. Ciò ha stimolato l'esplorazione dei nanomagneti per paradigmi di calcolo non convenzionali.
Sfruttando gli stati di magnetizzazione dei dischi nanomagnetici come rappresentazioni di stato di un vortice e di un singolo dominio, il team di ricerca ha creato un quadro di modellazione per indirizzare il vortice e il singolo dominio nel piano in un quadro unificato e ha sviluppato un hamiltoniano magnetico di natura quadratica. Il sistema magnetico implementato è in grado di identificare le caratteristiche salienti di una data immagine con un tasso di vero positivo superiore all'85%. Questa forma di calcolo, in media, è 1, 528 volte più veloce di IBM ILOG CPLEX (un ottimizzatore software standard del settore) con matrici di affinità sparse (quattro vicini), e 468 volte più veloce con matrici di affinità più dense (otto vicini). Questi risultati mostrano il potenziale di questo metodo di calcolo alternativo per sviluppare un coprocessore magnetico che potrebbe risolvere problemi complessi in meno cicli di clock rispetto ai processori tradizionali.
