View Project

Norwegian AI Directory

SOCRATES: Self-Organising Computational substRATES


Description:

Hver dag skapes det mer enn 2,5 exabytes (1 milliard milliarder) med data i verden. Fremvoksende teknologier som tingenes internett, vil øke dataveksten ytterligere og skape behov for maskiner som effektivt kan håndtere de økende datamengdene. Økningen i datamengder vil påvirke alle systemer, fra de aller minste til de gigantiske systemene. Dagens datateknologi har problemer med skalering og analyser, på grunn av energiforbruket og den fysiske arkitekturen til dagens maskiner. For å kunne ta unna for dataveksten, trengs det helt ny maskinvare, som er effektiv, skalerbar og kan tilpasses mange ulike analyseoppgaver. SOCRATES er et langsiktig forskningsprosjekt som har som mål å finne nye måter å bygge datamaskiner på. Prosjektet skal bruke inspirasjon fra biologiske metoder og nevrologiske strukturer. Målet er å finne ut hvordan disse blir formet, for å kunne replisere og kopiere metoder fra biologien. I SOCRATES-prosjektet dyrker vi levende nevrale nettverk, der egenskapene til disse nettverkene skal overføres til nanomagnetmaterialer. SOCRATES gror levende nevrale nettverk for å samle data om hvordan slike nettverk organiserer seg. Struktur og oppførsel i levende nevrale nettverk er et resultat av selvorganisering, og dataene analyseres for å finne ut hvordan disse biologiske nettverkene organiserer seg. Analyser av nettverksdata brukes til å lage modeller for nevral oppførsel som kan være fordelaktig for beregninger. Prinsipper fra disse modellene skal så inkluderes i SOCRATES? nanomagnet maskinvare For å nå målene i SOCRATES-prosjektet må det produseres, eller kultiveres for våre levende nevrale nettverk, fysiske systemer. Det trengs modellerings og analyse verktøy for å få forståelse av den underliggende komplekse oppførselen. Nylig har vi produsert nanomagnetsystemer med opptil 40 000 nanomagneter arrangert i forskjellige geometrier (mønster) på NTNU NanoLab. For å kunne måle på disse systemene har vi benyttet internasjonale laboratorier med nødvendige synkrotron fasiliteter (XPEEM) samt laboratoriefasiliteter på NTNU (MFM). For våre levende nevrale nettverk har vi kultivert modifiserte nevrale subtyper og brukt rottehjerne nevroner. Det levende nevrale nettverkene brukes til å studere framvoksende (emergence) oppførsel inkludert utforskning av hvordan en kan stimulere for å påvirke oppførsel og/eller struktur. Simulering av de fysiske systemene er viktig for å få en grunnleggende forståelse for slike komplekse systemer, men like viktig er at simulatorer gir oss muligheten til å forslå hvilke strukturer og parameter som kan gi oss system som er gunstige for beregninger. I 2021 er nye versjon av simulator rammeverket EvoDynamic tilgjengelig som åpen kildekode. EvoDynamic versjon to gir oss muligheten til å simulere forskjellige komplekse system, og deres egenskaper opp mot beregninger. For nanosystemene er en simulator nylig gjort tilgjengelig. Simulatoren har fått navnet flatspin og er også tilgjengelig som åpen kildekode. Flatspin er en simulator der en abstraksjon av den komplekse oppførselen til nanomagnetene gir oss muligheten til å simulere store system. flatspin simulere millioner av nanomagneter, dette er første gang så store system kan simuleres. Flatspin er en skalerbar simulator som kan kjøre på CPU, GPU og på store GPU-klynge maskiner. I 2021 er flatspin sin temperatur model endret til å støtte abselutt temperaturer slik at simulatoren kan brukes til grunnlegende forsking innen fysikk. Nye nanomagnetmaterialer for informasjonsprosessering er hovedmålet i SOCRATES. Ved å kombinere kunnskap fra simulasjoner og eksperimenter med fysiske systemer har vi klart å få våre nanosystemer (artificial spin ice) til å utføre et knippe grunnleggende nødvendige beregnings funksjoner. Demonstrasjon av geometri (pinwheel) muliggjør parameter tilpasning av nanosystemet til å vise gode egenskaper mot beregninger. I 2021 har vi funnet måter der vi kombinerer prinsipp fra biologi for å ?gro? nanomagnetiske system med ønskede egenskaper. Ved å bruke et kjent rammeverk (reservoir computation) kan vi sammenligne referansepunkt med andre kjente systemer fra litteraturen. Således har vi nå et system som kan utføre grunnleggende nødvendige beregningsfunksjoner, et viktig steg mot informasjonsprosessering i nye nanomagnetmaterialer.


Project leader: Gunnar Tufte

Started: 2017

Ends: 2022

Category: Universiteter

Sector: UoH-sektor

Budget: 16048960

Institution: NORGES TEKNISK-NATURVITENSKAPELIGE UNIVERSITET NTNU

Address: