Группа американских учёных успешно собрала ионную микросхему — она состоит из транзисторов, работающих в жидкой среде, а течение тока обеспечивается не электронами, как в случае с твердотельными полупроводниковыми транзисторами, а заряженными молекулами и атомами. По словам авторов проекта, схожим образом работает передача информации по нейронам внутри мозга.
Проект разработала группа учёных во главе с Ву Бин Чжуном (Woo-Bin Jung) из Гарвардской школы инженерии и прикладных наук им. Джона Полсона. Передача сигналов в головном мозге осуществляется посредством ионов в жидкой среде. Воспроизвести вычислительную производительность человеческого мозга пока чрезвычайно сложно, да и кремниевые компоненты пока демонстрируют более высокие показатели, однако упрощённый вариант этой схемы создать удалось, и в перспективе она сможет предложить свои преимущества. К примеру, ионы можно создавать из различных молекул, и в каждом случае они будут обладать различными свойствами и иметь свою сферу применения.
На первом этапе инженеры построили функционирующий ионный транзистор — компонент, управляющий входящим сигналом, а затем несколько сотен таких транзисторов объединили в целостную ионную миксросхему. Ионный транзистор состоит из трёх электродов: одного дискообразного в центре и двух кольцеобразных вокруг него. При подаче напряжения к центральному диску производится электромеханическая реакция — образуется ионный ток от него в направлении жидкой среды. Скоростью этой реакции можно управлять, изменяя pH-показатель среды — это происходит, когда кольцевые электроды захватывают или, напротив, сами производят ионы водорода. Это позволяет транзистору выполнять операцию умножения, а при их объединении в массив размерами 16×16 схема даёт возможность производить умножение матриц — самую распространённую операцию в области искусственного интеллекта.
В своём теперешнем исполнении технология имеет существенные ограничения. К примеру, отсутствует возможность получения всех 16 выводов одновременно, то есть операции приходится выполнять последовательно, что дополнительно замедляет и без того не очень быстрые компоненты. Тем не менее, авторам удалось достичь принципиальной работы модели, и теперь она будет совершенствоваться: к примеру, они планируют ввести в неё более широкий спектр молекул, что в теории позволит обрабатывать более сложную информацию.
Авторы исследования не собираются подменять электронику ионикой — новая технология сможет дополнить существующие решения или создать некий гибрид, обладающий возможностями обоих подходов.
