新しい研究は、脳のようなコンピュータがブロックチェーンとAIを革命化する方法を示しています

新しい研究は、脳のようなコンピュータがブロックチェーンとAIを革命化する方法を示しています

ドイツのTechnische Universität Dresdenの研究者たちは最近、ブロックチェーンとAIの両方に革命的な影響をもたらす可能性のある技術であるニューロモーフィックコンピューティングのための新しい材料設計を紹介する画期的な研究結果を発表しました。

「貯蔵コンピューティング」という技術を用いて、チームは瞬時にアルゴリズム的な機能を実行するためにマグノンの渦を使用したパターン認識の方法を開発しました。

複雑に見えるのは、それが複雑だからです。画像の出典:Nature論文、Korberら、「マグノン散乱貯蔵を用いた逆空間でのパターン認識」

彼らは新しい貯蔵材料を開発し、テストしただけでなく、ニューロモーフィックコンピューティングが標準のCMOSチップ上で動作する可能性を実証しました。これは、ブロックチェーンとAIの両方に大きな影響を与える可能性があります。

スマートフォンやノートパソコン、世界のほとんどのスーパーコンピュータに使用されるような古典的なコンピュータは、オンまたはオフのバイナリトランジスタを使用しています(「1」または「0」と表されます)。

ニューロモーフィックコンピュータは、有機的な脳活動を模倣するためにプログラマブルな物理的な人工ニューロンを使用します。これらのシステムはバイナリを処理するのではなく、時間の要素を加えたさまざまなニューロンのパターンを介して信号を送ります。

これがブロックチェーンとAIの分野において重要な理由は、ニューロモーフィックコンピュータがパターン認識と機械学習アルゴリズムに基本的に適しているからです。

バイナリシステムはブール代数を使用して計算を行います。そのため、数値計算の面では古典的なコンピュータが圧倒的な優位性を持っています。しかし、データがノイズや欠損情報を含む場合、これらのシステムはパターン認識に苦労します。

それが古典的なシステムが複雑な暗号パズルを解くのにかなりの時間がかかり、データの不完全さが数学的な解法を妨げる状況には全く適していない理由です。

たとえば、金融、人工知能、交通セクターでは、リアルタイムデータの絶え間ない流入があります。古典的なコンピュータは不明瞭な問題に苦しんでいます。たとえば、自動運転車の課題は、「真偽値」の計算問題の連続に簡約することが困難です。

それに対して、ニューロモーフィックコンピュータは情報の欠如を伴う問題に適しています。交通業界では、古典的なコンピュータは交通の流れを予測することが不可能です。なぜなら、独立した変数が多すぎるからです。ニューロモーフィックコンピュータはデータポイントを一つずつ処理しないため、リアルタイムデータに常に反応することができます。

代わりに、ニューロモーフィックコンピュータは人間の脳に似たパターン構成をデータに適用します。私たちの脳は特定のニューロンの機能に関連する特定のパターンを点滅させ、そのパターンと機能は時間とともに変化することがあります。

関連記事: 量子コンピューティングは金融業界にどのような影響を与えるのか?

ニューロモーフィックコンピューティングの主な利点は、古典的および量子コンピューティングと比較して、消費電力が非常に低いことです。これは、ニューロモーフィックコンピュータが、ブロックチェーンの運用や既存のブロックチェーン上での新しいブロックのマイニングに関して、時間とエネルギーのコストを大幅に削減できる可能性があることを意味します。

ニューロモーフィックコンピュータは、リアルワールドのセンサー(自動運転車、ロボット)とインターフェースを持つ機械学習システムや、リアルタイムでデータを処理するシステム(暗号市場分析、交通ハブ)においても、大幅な高速化を提供する可能性があります。