Published February 15, 2021
| Version v1
Publication
Open
Artificial Intelligence Goes Physical
Description
Exploiting the intrinsic nonlinearity in physical reservoirs, e.g., dopant‐atom networks, provides a new approach toward highly efficient computing such as feature projection and classification. In a recent study by Chen et al., the computational capability of dopant‐atom network was investigated and found to diminish as the signal‐to‐noise ratio (SNR) increased, indicating the existence of an optimal bias condition. Although high SNR is often pursued in signal processing, it shows that embracing noise in non‐conventional computing systems may lead to a leap in computing capacity. This work showcased that material or device physics in different domains offer valuable substrates for complex computing functions and high energy efficiency.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
يوفر استغلال اللاخطية الجوهرية في الخزانات المادية، على سبيل المثال، شبكات ذرة الإشابة، نهجًا جديدًا نحو الحوسبة عالية الكفاءة مثل إسقاط الميزات وتصنيفها. في دراسة حديثة أجراها تشن وآخرون، تم التحقيق في القدرة الحسابية لشبكة ذرات الإشابة ووجد أنها تتناقص مع زيادة نسبة الإشارة إلى الضوضاء (SNR)، مما يشير إلى وجود حالة تحيز مثالية. على الرغم من أنه غالبًا ما يتم متابعة نسبة الضوضاء المرتفعة في معالجة الإشارات، إلا أنها تُظهر أن تبني الضوضاء في أنظمة الحوسبة غيرالتقليدية قد يؤدي إلى قفزة في سعة الحوسبة. أظهر هذا العمل أن فيزياء المواد أو الأجهزة في مجالات مختلفة توفر ركائز قيمة لوظائف الحوسبة المعقدة وكفاءة الطاقة العالية.Translated Description (French)
L'exploitation de la non-linéarité intrinsèque dans les réservoirs physiques, par exemple, les réseaux dopants-atomes, fournit une nouvelle approche vers un calcul hautement efficace tel que la projection et la classification des caractéristiques. Dans une étude récente de Chen et al., la capacité de calcul du réseau dopant-atome a été étudiée et s'est révélée diminuer à mesure que le rapport signal sur bruit (SNR) augmentait, indiquant l'existence d'une condition de biais optimale. Bien qu'un rapport signal sur bruit élevé soit souvent recherché dans le traitement du signal, il montre que l'adoption du bruit dans les systèmes informatiques nonconventionnels peut entraîner un bond de la capacité de calcul. Ce travail a montré que la physique des matériaux ou des dispositifs dans différents domaines offre des substrats précieux pour des fonctions informatiques complexes et une efficacité énergétique élevée.Translated Description (Spanish)
La explotación de la no linealidad intrínseca en los depósitos físicos, por ejemplo, las redes deátomos dopantes, proporciona un nuevo enfoque hacia la computación altamente eficiente, como la proyección y clasificación de características. En un estudio reciente de Chen et al., se investigó la capacidad computacional de la red de átomos dopantes y se encontró que disminuía a medida que aumentaba la relación señal-ruido (SNR), lo que indica la existencia de una condición de sesgo óptima. Aunque a menudo se persigue una alta SNR en el procesamiento de señales, muestra que adoptar el ruido en sistemas informáticos no convencionales puede conducir a un salto en la capacidad informática. Este trabajo mostró que la física de materiales o dispositivos en diferentes dominios ofrece sustratos valiosos para funciones informáticas complejas y una alta eficiencia energética.Files
smsc.202000065.pdf
Files
(16.0 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:a848de07d4fc516ca3af59f3faaf8f99
|
16.0 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- الذكاء الاصطناعي يصبح ماديًا
- Translated title (French)
- L'intelligence artificielle devient physique
- Translated title (Spanish)
- La inteligencia artificial se vuelve física
Identifiers
- Other
- https://openalex.org/W3124106762
- DOI
- 10.1002/smsc.202000065
References
- https://openalex.org/W2047478832
- https://openalex.org/W2059512699
- https://openalex.org/W2096018883
- https://openalex.org/W2112181056
- https://openalex.org/W2526202524
- https://openalex.org/W2778935320
- https://openalex.org/W2887258823
- https://openalex.org/W2998986365
- https://openalex.org/W2999145262
- https://openalex.org/W3040303671
- https://openalex.org/W3125664920