Învățare automată pentru o eficiență energetică îmbunătățită în nanosisteme fluctuante

Învățare automată pentru o eficiență energetică îmbunătățită în nanosisteme fluctuante

Marca temporală: 12 mai 2023 3:39
Nodul sursă: 2646900
12 mai 2023 (Știri Nanowerk) A obține ceva pentru nimic nu funcționează în fizică. Dar se dovedește că, gândind ca un jucător strategic și cu ajutorul unui demon, ar putea fi posibilă o eficiență energetică îmbunătățită pentru sisteme complexe precum centrele de date. În simulările pe computer, Stephen Whitelam de la Laboratorul Național Lawrence Berkeley al Departamentului de Energie (Berkeley Lab) a folosit rețele neuronale (un tip de model de învățare automată care imită procesele creierului uman) pentru a antrena nanosisteme, care sunt mașini minuscule de dimensiunea moleculelor, lucrați cu o eficiență energetică mai mare. Mai mult, simulările au arătat că protocoalele învățate ar putea extrage căldură din sisteme în virtutea măsurării lor în mod constant pentru a găsi cele mai eficiente operațiuni energetice. „Putem scoate energie din sistem sau putem stoca munca în sistem”, a spus Whitelam. Este o perspectivă care s-ar putea dovedi valoroasă, de exemplu, în operarea unor sisteme foarte mari, cum ar fi centrele de date computerizate. Băncile de calculatoare produc cantități enorme de căldură care trebuie extrasă – folosind încă mai multă energie – pentru a preveni deteriorarea componentelor electronice sensibile. Whitelam a efectuat cercetarea la Molecular Foundry, o facilitate pentru utilizatori DOE Office of Science la Berkeley Lab. Munca lui este descrisă într-o lucrare publicată în Revizuirea fizică X („Demon în mașină: Învățați să extrageți munca și să absorbiți entropia din nanosisteme fluctuante”).

Inspirație din Pac Man și Demonul lui Maxwell

Întrebat despre originea ideilor sale, Whitelam a spus: „Oamenii au folosit tehnici din literatura de învățare automată pentru a juca jocuri video Atari care păreau în mod natural potrivite științei materialelor”. Într-un joc video precum Pac Man, a explicat el, scopul învățării automate ar fi să aleagă un anumit moment pentru o acțiune – sus, jos, stânga, dreapta și așa mai departe – să fie efectuată. De-a lungul timpului, algoritmii de învățare automată vor „învăța” cele mai bune mișcări de făcut și când, pentru a obține scoruri mari. Aceiași algoritmi pot funcționa pentru sistemele la scară nanometrică. Simulările lui Whitelam sunt, de asemenea, un răspuns la un vechi experiment de gândire în fizică numit Demonul lui Maxwell. Pe scurt, în 1867, fizicianul James Clerk Maxwell a propus o cutie plină cu un gaz, iar în mijlocul cutiei ar fi un „demon” fără masă controlând o trapă. Demonul ar deschide ușa pentru a permite moleculelor mai rapide de gaz să se deplaseze într-o parte a cutiei și moleculelor mai lente în partea opusă. În cele din urmă, cu toate moleculele atât de segregate, partea „lentă” a cutiei ar fi rece, iar „partea rapidă” ar fi fierbinte, potrivindu-se cu energia moleculelor.

Verificarea frigiderului

Sistemul ar constitui un motor termic, a spus Whitelam. Este important, totuși, că Demonul lui Maxwell nu încalcă legile termodinamicii - obținând ceva pentru nimic - pentru că informația este echivalentă cu energie. Măsurarea poziției și vitezei moleculelor din cutie costă mai multă energie decât cea derivată din motorul termic rezultat. Iar motoarele termice pot fi lucruri utile. Frigiderele oferă o analogie bună, a spus Whitelam. Pe măsură ce sistemul funcționează, alimentele din interior rămân reci – rezultatul dorit – chiar dacă partea din spate a frigiderului se încălzește ca rezultat al muncii efectuate de motorul frigiderului. În simulările lui Whitelam, protocolul de învățare automată poate fi considerat demonul. În procesul de optimizare, acesta convertește informațiile extrase din sistemul modelat în energie sub formă de căldură.

Dezlănțuirea demonului pe un sistem la scară nanometrică

Într-o simulare, Whitelam a optimizat procesul de tragere a unei mărgele la scară nanometrică prin apă. El a modelat o așa-numită capcană optică în care razele laser, acționând ca o pensetă de lumină, pot ține și mișca o mărgele. „Numele jocului este: Du-te de aici încolo cu cât mai puțină muncă pe sistem”, a spus Whitelam. Mărgele se mișcă sub fluctuații naturale numite mișcare browniană, în timp ce moleculele de apă o bombardează. Whitelam a arătat că, dacă aceste fluctuații pot fi măsurate, mutarea mărgelei se poate face în momentul cel mai eficient din punct de vedere energetic. „Aici arătăm că putem antrena un demon din rețea neuronală să facă ceva similar cu experimentul de gândire al lui Maxwell, dar cu o capcană optică”, a spus el.

Răcirea computerelor

Whitelam a extins ideea la microelectronică și calcul. El a folosit protocolul de învățare automată pentru a simula inversarea stării unui bit nanomagnetic între 0 și 1, care este o operațiune de bază de ștergere a informațiilor/copiere a informațiilor în calcul. „Fă asta din nou și din nou. În cele din urmă, demonul tău va „învăța” cum să răstoarne bitul pentru a absorbi căldura din împrejurimi”, a spus el. Revine la analogia cu frigiderul. „Ați putea crea un computer care se răcește pe măsură ce funcționează, căldura fiind trimisă altundeva în centrul dvs. de date.” Whitelam a spus că simulările sunt ca un banc de testare pentru înțelegerea conceptelor și ideilor. „Și aici ideea arată doar că puteți efectua aceste protocoale, fie cu puțină cheltuială de energie, fie cu energie absorbită cu prețul de a merge altundeva, folosind măsurători care s-ar putea aplica într-un experiment din viața reală”, a spus el.

Timestamp-ul:

Mai mult de la Nanowerk