引言


摩尔定律走向终结,传统计算机面临巨大挑战。“材料计算机”作为一种交叉学科研究的新兴领域,能够自主的进行感知、通信、计算的功能,无需外部供电。最近,匹兹堡大学斯万森工程学院的研究人员,在这方面的研究取得了突破性进展,用一种“BZ-PZ”杂化材料,进行模式识别。未来,这项技术有望应用于可穿戴,柔性机器人皮肤,医疗设备等领域。


材料计算机简介

一般来说,传统意义计算机具有信息处理,由硅和铜等材料组成,且需要供电才可以工作。除此之外,我们很难对于计算机有其他想象。然而,科学家们提出了一种概念,让材料本身就作为计算机使用,这就是“Materials that compute”,IntelligentThings译为“材料计算机”。

“材料计算机”,和传统计算机不同,它将计算机和材料融为一体。通常来说,材料能够以相对自主的方式,进行例如感知、通信、计算的功能,且无需外部供电。

“材料计算机”的技术模式和瓶颈

创建这种“材料计算机”,主要依赖两种新兴的计算模式:化学计算,依赖于反应扩散机制来进行操作;振动计算,通过耦合振子来进行同步。化学计算系统,通常由于缺少动力系统、以及化学波扩散速率低,只能进行局部耦合。而基于振动的计算,还没有被转变为可穿戴材料。

研究人员的突破

匹兹堡大学斯万森工程学院的研究人员,这些问题上取得了突破性进展。他们于去年发表的“使用活性杂化材料完成同步:耦合自振动凝胶和压电薄膜”(Achieving synchronization with active hybrid materials: Coupling self-oscillating gels and piezoelectric films)一文中首次展示了一种杂化材料可以进行简单的模式识别后,最近又发表了“通过材料计算机进行模式识别”(Pattern recognition with “materials that compute”)一文进一步介绍了他们取得的进展:利用这种敏感的BZ-PZ杂化材料,以自身的化学反应作为动力,进行模式识别。

研究简介

在研究中,研究人员使用材料内在的属性,来实现自动化功能。BZ凝胶无需外部刺激可以周期性振动,这种有节奏的振动,由发生在聚合物网络中的BZ反应提供能量。同时,PZ在发生形变时,自发地产生一个电压,相反地也可以通过外加电压产生形变。“BZ-PZ”单元,结合了这些属性,然后可以同电线连接这些单元,设计一个设备可以在无需外部供电的情况下,感知、启动、通信。这种设备,也可以用于计算,最终形成“材料计算机”。

(图片来源于:匹兹堡大学

研究团队


主要的作者和研究人员有:化学和石油工程系特聘教授Anna C. Balazs,电气和计算机工程教授Steven P. Levitan,合作研究者包括:电子和计算机工程系的研究生、论文首席作者Yan Fang,化学和石油工程系研究助理教授Victor V. Yashin。这项研究由五年的美国国家科学基金会的跨学科研究促进(INSPIRE)项目支持,这个项目重点解决传统科学交叉点上的复杂和紧迫的科学问题。

详细介绍

这种计算机建模,利用了别洛索夫-扎鲍京斯基(BZ)凝胶,这种物质在没有外部刺激的情况下发生振荡,覆盖有压电式 (PZ)悬臂。这些BZ-PZ单元,结合了Balazs博士在BZ凝胶方面,以及Levitan博士在计算机建模和基于振荡器的计算系统方面的研究成果。

识别一张图片中的模糊模式,需要非传统的计算方法。而研究人员首次展示了这些材料,可以由于模式识别计算。Levitan博士和Fang先生,首次将一组模式的数字,存储为BZ-PZ单元中的一组极性,并且将作用于这些单元振动的初始相位,作为输入模式的编码。

(图片来源于:匹兹堡大学

计算机模型显示:最接近于存储模式的输入模式,显示出最快的收敛时间,稳定同步行为,是最有效的识别模式。在研究中,材料被编程,以识别扭曲的数字形状中的黑白像素。

(图片来源于:Yan Fang

相对于传统计算机,这些计算的速度比较慢,需要几分钟。然而,Yashin博士认为这些结果接近于自然界,以较慢的速度运算。单个事件的速度较慢,是因为BZ振动的周期较慢。然而,有些任务需要更长的分析时间,功能上更接近自然。这就是为什么这种系统,特别适合监测例如人体这样的环境。

应用前景

研究人员称,这种材料应用前景广阔,特别是可穿戴设备和机器人领域。它可做成手套,监测手部受伤病人的手部活动,通知医生当前的治疗情况,或者病人活动能力改善的状况;另外,它可以做成鞋子,通过和正常的步态进行对比,分析个人的步态,监测早发性老年痴呆症的风险;或者,它也可以做成一种服装,监测心血管活动,预防心脏病和中风。因为它无需外部提供能量,所以机器人和其他设备也可以利用这种材料,作为感应皮肤

未来展望

研究成员称,他们的下一步目标,就是从黑白像素的分析,走向灰度模式以及更加复杂的图像和形状。同时,提高材料的存储容量。这是令人兴奋的突破,它证明了“材料计算”是可行的。

摩尔定律即将走向终结,计算机性能面临巨大技术挑战。这项研究带来了革命性的转变,从传统基于硅的CMOS数字计算,走向“冯·诺依曼”结构、功耗极低的、聚合物基质的计算机。

参考资料

【1】Y. Fang, V. V. Yashin, S. P. Levitan, A. C. Balazs. Pattern recognition with “materials that compute”. Science Advances, 2016; 2 (9): e1601114 DOI: 10.1126/sciadv.1601114

【2】Victor V. Yashin,Steven P. Levitan,Anna C. Balazs. Achieving synchronization with active hybrid materials: Coupling self-oscillating gels and piezoelectric films.(http://www.nature.com/articles/srep11577)

【3】http://www.engineering.pitt.edu/News/2016/Anna-Balazs-Materials-That-Compute-Pattern-Recognition/


“材料计算机“研究重大突破:杂化材料进行模式识别
Tagged on: