Gần đây, các nhà nghiên cứu từ Trường Đại học Công nghệ Dresden ở Đức đã công bố nghiên cứu đột phá về thiết kế vật liệu mới cho tính toán sinh học, một công nghệ có thể mang lại những ảnh hưởng cách mạng cho cả blockchain và trí tuệ nhân tạo (AI).

Sử dụng một kỹ thuật được gọi là "tính toán lưu lượng," đội ngũ nghiên cứu đã phát triển một phương pháp nhận dạng mẫu sử dụng một xoáy của magnons để thực hiện các chức năng thuật toán gần như tức thì.

Nguyên lý làm việc của một bể chứa magnon-tán xạ. Nguồn: "Nhận dạng mẫu trong không gian đối xứng với một bể chứa tán xạ magnon," Nature.

Không chỉ phát triển và kiểm tra vật liệu bể chứa mới, các nhà nghiên cứu còn chứng minh được tiềm năng của tính toán sinh học có thể hoạt động trên một vi mạch CMOS tiêu chuẩn, điều đó có thể làm đảo lộn cả blockchain và trí tuệ nhân tạo (AI).

Máy tính cổ điển, chẳng hạn như máy tính điện thoại thông minh, máy tính xách tay và hầu hết các siêu máy tính trên thế giới, sử dụng bán dẫn nhị phân có thể bật hoặc tắt (được biểu thị là "một" hoặc "không").

Máy tính sinh học sử dụng các thần kinh nhân tạo vật lý có thể lập mô phỏng hoạt động não học tự nhiên. Thay vì xử lý nhị phân, các hệ thống này gửi tín hiệu qua các mẫu neuron khác nhau với yếu tố thời gian đi kèm.

Lý do đây quan trọng đối với lĩnh vực blockchain và trí tuệ nhân tạo (AI) cụ thể là vì máy tính sinh học về cơ bản phù hợp với việc nhận dạng mẫu và thuật toán học máy.

Hệ thống nhị phân sử dụng đại số boolean để tính toán. Vì vậy, máy tính cổ điển vẫn không bị cạnh tranh khi nói đến tính toán số. Tuy nhiên, khi đến việc nhận dạng mẫu, đặc biệt là khi dữ liệu là hỗn độn hoặc thiếu thông tin, hệ thống này gặp khó khăn.

Đây chính là lý do tại sao máy tính cổ điển mất một lượng thời gian đáng kể để giải quyết các câu đố mật mã phức tạp và tại sao chúng hoàn toàn không phù hợp với những tình huống mà dữ liệu không hoàn chỉnh ngăn cản một giải pháp dựa trên toán học.

Trong lĩnh vực tài chính, trí tuệ nhân tạo và vận tải, ví dụ, luôn có một luồng dữ liệu thời gian thực không ngừng tràn về. Máy tính cổ điển gặp khó khăn với các vấn đề bị che khuất - thử thách của xe tự lái, ví dụ, đã chứng minh khá khó để giảm xuống thành một loạt vấn đề tính toán "đúng/sai".

Tuy nhiên, máy tính sinh học được xây dựng để xử lý các vấn đề liên quan đến thiếu thông tin. Trong ngành vận tải, không thể có một máy tính cổ điển dự đoán luồng giao thông vì có quá nhiều biến độc lập. Máy tính sinh học có thể liên tục phản ứng với dữ liệu thời gian thực vì nó không xử lý các điểm dữ liệu một cách tuần tự.

Thay vào đó, máy tính sinh học chạy dữ liệu qua cấu hình mẫu mà hoạt động tương tự não bộ người. Não bộ người phát ra các mẫu cụ thể liên quan đến các chức năng thần kinh cụ thể, và cả mẫu lẫn chức năng đều có thể thay đổi theo thời gian.

Liên quan: Tác động của máy tính lượng tử đối với ngành tài chính?

Lợi ích chính của tính toán sinh học là so với máy tính cổ điển và máy tính lượng tử, mức tiêu thụ công suất của nó rất thấp. Điều này có nghĩa là máy tính sinh học có thể giảm đáng kể chi phí về thời gian và năng lượng trong việc vận hành một blockchain và khai thác khối mới trên các blockchain hiện có.

Máy tính sinh học cũng có thể cung cấp tăng tốc đáng kể cho các hệ thống học máy, đặc biệt là những hệ thống liên kết với cảm biến thực tế (xe tự lái, robot) hoặc xử lý dữ liệu trong thời gian thực (phân tích thị trường tiền điện tử, trung tâm vận chuyển).

Thu thập bài viết này dưới dạng NFT để lưu giữ khoảnh khắc quan trọng trong lịch sử và thể hiện sự ủng hộ của bạn đối với báo chí độc lập trong không gian tiền điện tử.