400개 입자 액체 컴퓨터, 혼돈 예측하지만 멤리스터에는 뒤처져

Tom Hardware는 선도적인 멤리스터 저장소보다 약 10배 큰 오차를 기록했음에도 혼돈 신호를 예측하는 400개 입자 액체 컴퓨터를 조명했다.

이 실험은 Konstanz대학교와 Stuttgart대학교의 물리학자들이 수행했다. 이들의 프로세서는 온도가 제어되는 액체 안에서 궤도를 도는 미세 실리카 구체를 사용한다. 입자 사이의 유체역학적 상호작용이 연산의 일부를 수행한다.

이 결과는 공상과학과 반도체 공학의 대결처럼 들린다. 그러나 실제 경쟁은 더 좁은 범위에서 이뤄지며, 그만큼 더 많은 것을 보여준다. 액체 시스템은 실질적인 병렬 동역학과 조절 가능한 물리적 연결을 제공하지만, 멤리스터는 정확도와 실용성에서 상당한 우위를 유지한다.

연구진은 디지털 프로세서를 대체할 준비가 된 제품을 제시하는 것이 아니다. 이들의 발표된 연구는 물리적 저장소 컴퓨팅의 개념 증명을 설명한다. 이 접근법에서는 재료의 변화하는 상태가 시간 정보를 처리한 뒤, 단순하게 훈련된 층이 답을 산출한다.

이 시스템은 표준 혼돈 시계열을 성공적으로 예측하고 그 안에 숨겨진 이상을 감지했다. 입력을 받는 발진기가 전체의 5분의 1에 불과한 경우에도 계속 작동했다.

그러나 이 장치는 레이저, 현미경, 빔 조향 장비, 온도 제어 장치, 그리고 결과 판독을 위한 일반 컴퓨터를 필요로 한다. 측정된 에너지 수치는 효율 우위를 입증하지 못한다.

따라서 이 실험은 컴퓨팅 고객이 구매할 수 있는 것을 바꾸기보다, 연구자들이 구축할 수 있는 것을 바꾼다. 이는 의미 있는 규모에서 능동 콜로이드 컴퓨팅을 입증하는 한편, 창의적인 기판과 경쟁력 있는 하드웨어 사이의 거리를 드러낸다.

Tom Hardware의 액체 컴퓨터는 궤도 운동 입자 400개를 사용한다

이 실험은 400개의 미세 발진기가 집단적으로 움직이는 방식을 조절 가능한 정보 처리 저장소로 전환한다.

각 발진기는 반지름 3마이크로미터의 실리카 구체로 시작한다. 연구진은 한쪽 반구에 두께 80나노미터의 빛 흡수 탄소층을 코팅한다.

이들은 구체를 물과 2,6-lutidine 26.8중량%를 포함한 혼합물에 부유시킨다. 이 유체의 하부 임계 용액 온도는 섭씨 34도다.

혼합물은 높이 200마이크로미터의 석영 셀 안에 놓인다. 연구진은 셀을 임계 온도보다 안전하게 낮은 섭씨 28도로 유지한다.

집속된 532나노미터 레이저가 각 구체의 탄소 코팅 면을 가열한다. 국소 가열은 주변 혼합물을 비대칭적으로 분리하고 자가 포레틱 운동을 유도한다. 이 용어는 입자가 주변 유체에 만든 기울기로 인해 발생하는 움직임을 뜻한다.

레이저 초점은 입자 중심에서 2.4마이크로미터 떨어진 곳에 위치한다. 이 초점을 이동하면 연구진은 입자의 추진 방향을 결정할 수 있다.

2축 음향광학 편향기는 100kHz로 레이저를 스캔한다. 따라서 수백 개의 입자를 거의 동시에 조준할 수 있다. 현미경과 실시간 추적 시스템은 이들의 위치를 지속적으로 추정한다.

제어 루프는 각 입자를 고정된 목표 지점으로 추진하려 한다. 하지만 위치 감지와 다음 레이저 조정 사이에는 지연이 발생한다.

이 지연은 단순한 공학적 결함이 아니다. 이는 구체가 목표를 지나치게 하고, 지름 약 1마이크로미터의 지속적인 궤도 운동에 진입하게 한다.

그 결과는 능동 콜로이드 발진기, 즉 ACO다. 능동적이라는 것은 입자가 움직이기 위해 국소적으로 공급된 에너지를 지속적으로 소비한다는 뜻이다. 콜로이드라는 것은 입자가 주변 액체 안에 부유한 상태를 유지한다는 뜻이다.

연구진은 400개의 ACO를 육각 격자 위에 배치한다. 움직이는 각 입자는 액체를 교란해 이웃에 영향을 미치는 흐름을 만든다. 이런 유체역학적 상호작용은 일반적인 배선 없이 발진기들을 결합한다.

입력 데이터는 입자에 할당된 목표 위치를 이동시키는 방식으로 들어간다. 신호가 변하면 각 목표는 고정된 무작위 방향을 따라 움직인다.

연구진은 배열을 행으로 나누고 행 사이에서 입력을 지연시킬 수 있다. 그러면 서로 다른 시점의 신호 상태가 액체를 가로질러 상호작용한다.

이 과정은 최근 입력의 유용한 흔적을 무기한 보존하지 않으면서 유지하는 감쇠 기억을 제공한다. 또한 비선형성도 제공해 시스템이 단순한 비례 응답을 넘어 신호를 변환할 수 있게 한다.

이러한 특성은 배열을 물리적 저장소로 만든다. 저장소 자체는 대체로 훈련되지 않은 상태로 남는다. 연구진은 복잡한 상태를 유용한 예측으로 변환하는 선형 판독부만 최적화한다.

팀은 발진기의 위치와 속도를 모두 기록했다. 그리고 이 관측값을 1,000개의 가우시안 커널로 변환했으며, 이는 선택한 지점 주변의 국소 평균을 계산한다.

이후 릿지 회귀가 출력 가중치를 훈련했다. 이 정규화 선형 방법은 많은 입력 특성이 겹칠 때 불안정한 적합을 줄인다.

따라서 이 구성은 하이브리드다. 유체가 비선형 변환을 수행하고 시간 정보를 전달한다. 일반 전자 장비는 영상화, 특징 구성, 훈련, 최종 계산을 처리한다.

이 구분은 중요하다. 이 실험을 액체 컴퓨터라고 부르는 것은 타당하지만, 모든 계산 단계가 액체 안에서 일어난다는 의미는 아니다.

Tom Hardware의 기술적 설명은 양쪽 측면을 모두 포착한다. 입자들은 의미 있는 계산을 수행하지만, 상당한 실험실 장비가 이들을 움직이게 하고 결과를 해석한다.

이 배열은 가상 노드 없이 혼돈을 예측한다

가장 강력한 결과는 기록적인 예측 정확도가 아니라 진정한 다입자 병렬성이다.

연구진은 능동 콜로이드 컴퓨팅 플랫폼을 Mackey-Glass 시계열로 시험했다. 이 수학적 수열은 지연 피드백이 있는 비선형 방정식을 통해 혼돈 행동을 만들어낸다.

혼돈은 완전히 무작위라는 뜻이 아니다. 작은 차이가 빠르게 커질 수 있어 미래 값을 예측하기 어렵다. 이런 민감성 때문에 Mackey-Glass는 저장소 컴퓨팅의 표준 벤치마크가 됐다.

실험에서는 6,700개 시간 단계 동안 400개의 발진기에 신호를 입력했다. 연구진은 데이터의 첫 80%를 훈련에 사용했다. 나머지 20%는 별도의 검증 세트를 구성했다.

한 단계 예측에서 액체 저장소 컴퓨터는 보고된 구성 기준으로 약 0.1의 정규화 평균제곱근오차에 도달했다. 점수 0은 완벽한 예측을 뜻한다.

논문은 더 긴 예측 구간도 평가했다. 예측 시점이 더 멀어질수록 정확도는 떨어졌으며, 이는 혼돈 신호에서 예상되는 결과다.

더 중요한 점은 집단 동역학이 하나의 물리적 구성 요소를 다수의 순차적 가상 노드로 바꾸지 않고도 이런 입력을 처리했다는 것이다. 시간 다중화라고 불리는 이 기법은 연속된 시점마다 서로 다른 신호 부분을 하나의 노드에 제시한다.

시간 다중화는 제한된 하드웨어로 고차원 저장소를 만들 수 있다. 그러나 그 가상 병렬성은 순차적 동작과 정밀하게 타이밍을 맞춘 신호 마스크에 의존한다.

반면 콜로이드 배열은 수백 개의 물리적 발진기를 한 번에 제공한다. 차원성은 실제 입자 운동과 공간을 가로지르는 상호작용에서 증가한다.

이는 이 실험에 뚜렷한 연구 가치를 부여한다. 활성 물리 요소의 수는 계산을 만들어내는 다체 동역학과 직접 대응한다.

2024년의 미세입자 저장소는 지연 운동이 혼돈 예측을 뒷받침할 수 있음을 이미 보여줬다. 이 시스템은 강한 브라운 운동 잡음을 관리하기 위해 시간 다중화 입력과 과거 상태를 사용했다.

새 연구는 액체를 통해 수백 개의 발진기를 결합함으로써 이 아이디어를 발전시킨다. 계산은 고립된 노드만으로가 아니라 집단 행동에서 발생한다.

배열은 조절 가능한 상호작용도 제공한다. 격자 간격을 넓히면 유체 매개 힘이 거리에 따라 약해지므로 유체역학적 결합도 약해진다.

연구진은 각 입자가 목표 지점에서 얼마나 멀리 이동할 수 있는지를 제한하는 감쇠 매개변수도 별도로 조정할 수 있다. 간격과 감쇠는 함께 기억, 비선형성, 예측 성능을 바꾼다.

시뮬레이션은 이러한 설정에 따라 예측 오차가 3배 이상 달라짐을 보였다. 더 긴 예측 구간에서는 더 강한 결합의 중요성이 점점 커졌다.

이 조절 가능성은 이 플랫폼을 많은 제작형 장치와 구별한다. 칩의 내부 네트워크를 바꾸려면 흔히 구조를 새로 설계해야 한다. 여기서는 실험이 작동하는 동안에도 연구진이 결합을 변경할 수 있다.

입력 채널이 많다고 항상 더 나은 결과가 나오는 것은 아니었다. 개수를 1개에서 10개로 늘리면 예측이 개선됐지만, 그보다 더 추가하면 성능이 저하됐다.

따라서 저장소는 과부하될 수 있다. 과도한 입력 복잡성은 용량을 한계 없이 확장하기보다 유용한 내부 동역학을 교란한다.

연구진이 전체 발진기의 20%만 구동했을 때도 시스템은 높은 예측 정확도를 유지했다. 유체역학적 상호작용이 나머지 배열 전체로 정보를 퍼뜨렸다.

이러한 회복력은 이 시연을 넘어서는 함의를 지닌다. 물리적 장치는 완벽하게 동일한 수학적 노드처럼 작동하는 경우가 드물다.

일부 입자는 조향 레이저에 일시적으로 불완전하게 반응했다. 다른 입자들은 포레틱 상호작용으로 짧은 시간 동안 군집을 형성했다. 그럼에도 보고된 과제에서 예측은 충분히 안정적으로 유지됐다.

이 내결함성이 상업적 신뢰성을 입증하는 것은 아니다. 다만 능동 물질에 내재한 불완전성 속에서도 유용한 계산이 살아남을 수 있음을 보여준다.

팀은 또 다른 혼돈 벤치마크인 Lorenz 끌개를 사용해 더 광범위한 매개변수 분석을 반복했다. 간격, 감쇠, 예측 오차 사이의 관계는 질적으로 유사하게 유지됐다.

이 결과는 관찰된 행동이 Mackey-Glass에만 속할 가능성을 낮춘다. 같은 구성이 제한 없는 실제 데이터로 일반화된다는 증거는 아니다.

따라서 이 실험의 성취는 아키텍처에 있다. 이는 잡음이 있고 상호작용하는 수백 개 입자가 하나의 물리 매질 안에서 기억, 비선형성, 병렬성, 조절 가능한 결합을 제공할 수 있음을 보여준다.

숨겨진 이상은 유체에 더 실용적인 시험을 제공한다

이상 탐지는 하드웨어가 여전히 실험적 단계에 있음에도 물리적 저장소가 관심을 끄는 이유를 보여준다.

많은 유용한 신호는 자체 이력에 크게 의존한다. 장비 진동, 심장 측정값, 기후 관측, 네트워크 텔레메트리는 모두 일반적인 임계값이 놓치는 시간 패턴을 담을 수 있다.

단순한 감지기는 비정상적으로 높거나 낮은 값을 표시할 수 있다. 하지만 이상이 익숙한 표면 통계는 유지하면서 신호의 더 깊은 타이밍을 바꾸는 경우에는 어려움을 겪는다.

연구진은 Mackey-Glass 신호로 이 더 어려운 시험을 구성했다. 이들은 평균, 분산, 단시간 자기상관을 보존하도록 설계된 이상을 도입했다.

자기상관은 신호가 지연된 자기 버전과 얼마나 유사한지를 측정한다. 짧은 구간에서 이를 보존하면 기초적인 감지기가 하나의 명백한 통계적 변화만으로 이상을 찾아내는 일을 막는다.

액체 저장소 컴퓨터는 다음 신호 값이 어떤 모습이어야 하는지 예측했다. 이후 예측값과 관측값 사이의 큰 불일치가 이상 점수로 작용했다.

더 어려운 숨은 이상 탐지 과제에서, 보고된 시스템은 F1 점수 0.90을 달성했다. F1은 정밀도와 재현율을 하나의 지표로 결합해 오경보와 누락 이벤트의 균형을 맞춘다.

이 결과가 주목할 만한 이유는 저장소의 점차 사라지는 기억을 활용하기 때문이다. 입자는 현재 입력뿐 아니라 이전 상태의 흔적에도 반응한다.

입자들의 집단 운동은 연구자들이 모든 기저 신호에 대한 명시적 방정식을 작성하지 않아도 동적 모델을 만든다. 리드아웃은 변화하는 물리적 상태를 해석하는 방법을 학습한다.

콘스탄츠대학교 교수이자 연구 저자인 Clemens Bechinger는 대학 발표문에서 더 넓은 개념을 설명했다. 계산에 충분할 만큼 재현성 있게 반응한다면, 그 동역학을 완전히 이해할 필요는 없다는 것이다.

이 논지는 물리적 저장소 컴퓨팅의 매력을 규정한다. 엔지니어는 모든 내부 상호작용을 정밀하게 디지털 시뮬레이션하지 않고도 물질의 거동을 활용할 수 있다.

다만 이상 탐지 시연은 여전히 합성 벤치마크 데이터를 사용한다. 논문은 부정맥, 지진, 극한 기상, 급격한 금융 전환 등을 가능한 응용 사례로 제시한다.

이 사례들은 완료된 배포가 아니라 관련 신호 범주를 설명한다. 이 연구는 임상 시험, 현장 센서, 거래 시스템 또는 산업 모니터링 설비를 보고하지 않는다.

실제 배포 환경에서는 입력 변화, 보정값 변화, 환경 간섭, 불균등한 이상 발생률에 직면하게 된다. 오탐의 비용도 응용 분야에 따라 크게 달라진다.

의료 경보 시스템은 기계 유지보수와 같은 기준값으로 평가할 수 없다. 금융 신호에는 실험실 벤치마크가 재현하지 못하는 비정상적 거동과 적대적 반응이 수반된다.

따라서 F1 결과는 계산 능력의 증거로 해석해야 한다. 액체 프로세서가 이미 실사용 이상 탐지 시스템보다 뛰어나다는 증거는 아니다.

이전 연구자들도 다른 과제를 위해 액체 기질을 탐구해 왔다. 2024년의 콜로이드 프로세서는 PEDOT:PSS 현탁액을 사용해 스파이크 시퀀스로 인코딩된 음성 숫자를 분류했다.

그 연구와 새로운 입자 배열은 서로 다른 메커니즘을 사용한다. 하지만 둘 다 액체의 시간에 따라 변화하는 내부 상태를 정보 처리 자원으로 취급한다.

새롭게 나타나는 패턴은 하나의 실험보다 더 광범위하다. 연구자들은 연성, 화학, 생물학, 입자 기반 시스템이 물리적 신호원 근처에서 신호를 처리할 수 있는지 시험하고 있다.

이런 시스템은 궁극적으로 유체, 변형 가능한 소재 또는 미시적 환경과 이미 상호작용하는 센서에 적합할 수 있다. 기존 전자 장치에 압축된 판단 결과를 전송하기 전에 국소적으로 반응할 수 있다.

현재 장치는 그러한 비전과는 아직 거리가 멀다. 그래도 숨은 이상 탐지는 혼돈 예측만으로는 없던 더 분명한 연구 목적지를 제시한다.

멤리스터 저장소가 여전히 정확도 경쟁에서 앞선다

멤리스터 저장소는 더 낮은 벤치마크 오류와 더 성숙한 전자적 경로를 결합하기 때문에 여전히 더 강력한 컴퓨팅 하드웨어다.

멤리스터는 이전 전기 상태에 따라 저항이 달라지는 전자 부품이다. 이러한 내장 메모리는 신경모사 및 저장소 컴퓨팅 설계에 유용하다.

이 연구는 일부 멤리스터 기반 시스템이 한 단계 Mackey-Glass 예측에서 0.01 이하의 정규화 오류를 달성한다고 보고한다. 콜로이드 배열의 대표 결과는 약 0.1이었다.

이 지표에서는 낮을수록 좋다. 따라서 비교 결과는 핵심 격차를 드러낸다. 액체 플랫폼은 약 10배 높은 오류를 기록했다.

이 격차에는 맥락이 필요하지만, 맥락이 그 격차를 없애지는 않는다. 논문에 따르면 멤리스터 연구는 거의 10년에 걸쳐 집중적인 개발을 받아 왔다.

선도적인 멤리스터 결과 역시 시간 다중화를 사용한다. 이 방법은 수백 개의 완전히 병렬적인 물리 노드를 제공하지 않고도 유효 차원성을 높일 수 있다.

액체 저장소 컴퓨터는 이러한 절충을 피한다. 400개의 발진기는 동시에 움직이며, 그 상호작용이 실제 공간 네트워크를 형성한다.

그럼에도 아키텍처만으로 유용성이 결정되지는 않는다. 고객은 정확도, 속도, 에너지, 크기, 재현성, 제조, 유지보수, 전체 시스템 복잡도를 고려한다.

유체 실험은 아직 이 모든 차원에서 경쟁력 있는 답을 제시하지 못한다. 측정된 에너지 소비량, 완전한 지연 시간 비교, 소형 통합 전략이 없다.

그 반응은 미시적 입자 운동과 이미지 기반 피드백을 통해서도 전개된다. 전자 멤리스터는 칩 규모 시스템에 더 자연스럽게 맞는 전기적 상태 변화를 통해 작동한다.

멤리스터에도 자체적인 한계가 있다. 소자 변동성, 내구성, 드리프트, 제조 수율, 통합 과제는 여전히 중요한 연구 문제다.

멤리스터 개요는 복잡한 신경모사 연산을 위한 이들의 장점을 설명하는 한편, 재료 및 엔지니어링 장애물도 검토한다. 벤치마크 우위가 모든 멤리스터 설계가 상용화 준비를 마쳤다는 뜻은 아니다.

따라서 핵심 비교는 완성된 제품과 실패한 제품의 대결이 아니다. 더 성숙한 실험 경로와 더 젊고 물리적으로 이례적인 경로의 비교다.

액체 플랫폼의 조절 가능한 결합은 멤리스터에 대한 가장 분명한 대응책이다. 입자 간격은 상호작용의 강도를 바꾸고, 감쇠는 개별 운동을 제어한다.

많은 고체 상태 네트워크는 제조 과정에서 연결이 결정된다. 이를 재구성하려면 추가 회로 또는 다른 소자 레이아웃이 필요할 수 있다.

콜로이드 시스템은 같은 물리 시료로 서로 다른 네트워크 체제를 탐색할 수 있다. 연구자들은 입자가 더 가까워질수록 메모리와 비선형성이 어떻게 변하는지 직접 살펴볼 수 있다.

이는 범용 프로세서가 되지 않더라도 가치 있는 과학 플랫폼이 된다. 능동 물질 물리학과 머신러닝을 연결하는 실험적 다리를 제공한다.

이 시스템은 일부 결함 거동도 견딘다. 짧은 레이저 반응 실패와 일시적인 입자 클러스터는 예측을 무너뜨리지 않았다.

멤리스터 배열도 불완전한 구성요소를 관리해야 한다. 중복성, 보정, 적응형 학습, 오류 인지 아키텍처는 전자 설계를 통해 그 문제를 해결한다.

따라서 두 경로 모두 불완전한 물리 동역학으로부터 이점을 얻는 계산을 추구한다. 차이는 그 동역학을 생성하고, 제어하고, 측정하는 방식에 있다.

멤리스터에서는 전기 전도도가 메모리와 비선형 응답을 제공한다. 능동 콜로이드 컴퓨팅에서는 궤도 운동과 액체 흐름이 이를 제공한다.

현재 멤리스터가 더 강한 성능 위치를 차지한다. 콜로이드 경로는 더 우수한 벤치마크 점수가 아니라 새로운 형태의 병렬성과 재구성을 제공한다.

이 구분은 이야기를 현실에 맞게 유지한다. 입자는 물리적 저장소의 지형을 넓히지만, 전자 경쟁자를 왕좌에서 끌어내리지는 못한다.

지원 하드웨어가 효율성 주장을 약화시킨다

가장 큰 미해결 문제는 완전한 제어 및 리드아웃 시스템을 계산에 포함했을 때 액체가 실제로 에너지를 절감하는지 여부다.

물리적 저장소 컴퓨팅은 흔히 효율성 논거에서 출발한다. 물질이 비선형 변환을 직접 수행해, 기존 디지털 하드웨어로 해당 연산을 시뮬레이션할 필요를 줄인다.

새 논문도 이 동기를 따른다. 과제별 훈련은 선형 출력 계층에만 필요하며, 저장소의 내부 연결은 훈련되지 않은 상태로 유지된다.

하지만 이 실험은 엔드투엔드 에너지 측정을 보고하지 않는다. 이 누락으로 인해 멤리스터, 디지털 프로세서 또는 다른 물리적 저장소와 의미 있는 효율성 비교가 불가능하다.

실험실 장비에는 532나노미터 레이저가 포함된다. 2축 음향광학 편향기는 100kHz로 이 빔을 수백 개 입자에 걸쳐 조향한다.

현미경은 시료를 지속적으로 촬영한다. 소프트웨어는 서브마이크로미터 공간 해상도와 1초 미만의 시간 해상도로 입자 위치를 추적한다.

시스템에는 온도 제어형 석영 셀도 필요하다. 기존 리드아웃은 릿지 회귀를 적용하기 전에 1,000개의 가우시안 커널을 통해 입자 위치와 속도를 처리한다.

이 모든 구성요소는 에너지를 소비한다. 미래 구현에서는 일부가 축소되거나 사라질 수 있지만, 현재 연구는 그 경로를 정량화하지 않는다.

액체의 내부 운동만 계산하면 오해의 소지가 있는 비교가 된다. 공정한 평가는 조명, 빔 조향, 영상, 온도 제어, 신호 변환, 리드아웃을 포함해야 한다.

경쟁 하드웨어에도 동일한 시스템 경계를 적용해야 한다. 멤리스터 배열 역시 드라이버, 변환기, 제어 로직, 출력 처리가 필요하다.

연구자들에게는 벽면 전력 또는 패키지 수준에서의 비교 가능한 측정이 필요하다. 그렇지 않으면 어떤 지원 구성요소를 계산에서 제외하느냐에 따라 효율성 주장이 달라질 수 있다.

논문 자체도 실용적 한계를 인정한다. 저자들은 레이저 활성화 시스템이 실용적으로 적용되지 않을 수 있다고 밝힌다.

이 인정은 부풀려진 상용화 주장보다 더 가치 있다. 이는 이 연구를 플랫폼 시연으로 규정하고 더 단순한 구동 방식으로 관심을 이끈다.

연구자들은 전극 구동 콜로이드를 한 가지 가능한 경로로 언급한다. 적절한 조건에서는 전기장이 복잡한 스캐닝 레이저와 광학 피드백을 대체할 수 있다.

그러나 구동 방식을 바꾸면 유용한 동역학도 달라질 수 있다. 입자 속도, 결합, 노이즈, 열 발생, 주소 지정 가능성이 변할 수 있다.

대체 방식은 저장소가 계산하게 만드는 특성을 보존해야 한다. 여기에는 비선형 응답, 점차 사라지는 기억, 제어 가능한 입력, 풍부한 상호작용, 신뢰할 수 있는 리드아웃이 포함된다.

현재 장치는 궤도를 유지하기 위해 능동 피드백에도 의존한다. 시스템은 각 입자를 감지하고 관찰된 위치를 바탕으로 레이저를 업데이트한다.

이 피드백은 기존 컴퓨팅이 이미 입자 동역학에 참여하고 있음을 뜻한다. 유체는 전자적 감독 없이 작동하는 자율적 처리 매체가 아니다.

그렇다고 결과가 무효가 되는 것은 아니다. 하이브리드 시스템은 일반적으로 특수 물리 구성요소와 디지털 컨트롤러 사이에 작업을 분배한다.

다만 액체가 기존 컴퓨팅을 우회한다는 주장은 제한된다. 이 실험은 중요한 변환 하나를 물질로 옮기면서 제어와 해석은 그 밖에 남겨 둔다.

온도 안정성은 또 다른 제약이다. 물-루티딘 혼합물은 섭씨 34도에서 임계 전이를 보이며, 셀은 섭씨 28도에서 작동한다.

국소적인 레이저 가열은 각 탄소 캡 근처의 조건을 의도적으로 바꾼다. 더 넓은 범위의 온도 변화는 추진 및 상호작용 거동을 수정할 수 있다.

실용적 장치는 시간 경과, 시료 노화, 오염, 증발, 입자 교체에 걸쳐 안정적인 보정값을 유지해야 한다. 논문은 이러한 운용 특성을 입증하지 않는다.

리드아웃 역시 면밀히 살펴볼 필요가 있다. 1,000개의 가우시안 커널은 노이즈를 평활화하고 원시 입자 상태를 유용한 특징으로 변환한다.

이 처리는 시스템이 브라운 운동과 일시적 결함을 견디는 데 도움이 된다. 동시에 물리적 저장소와 답 사이에 기존 컴퓨팅을 추가한다.

향후 비교는 세 가지 수치를 분리해야 한다. 연구자들은 원시 저장소의 변환 품질, 리드아웃의 계산 비용, 완전한 시스템의 과제 효율성을 측정해야 한다.

동일한 시험에는 처리량과 지연 시간도 포함해야 한다. 한 단계 예측 오류는 장치가 1초에 얼마나 많은 신호를 처리할 수 있는지 거의 알려주지 않는다.

연구자들은 더 긴 연속 운전도 시험해야 한다. 일시적 결함 허용성은 유망하지만, 상업적 신뢰성에는 장기간 운전에 걸친 안정적 거동이 필요하다.

그러한 측정이 나올 때까지 효율성 근거는 연구 가설로 남는다. 입증된 사실은 선택된 실험실 조건에서의 계산, 조절 가능성, 견고성에 관한 것이다.

Liquid Reservoir Computing의 경쟁력을 좌우할 요소

이 실험이 하드웨어로 가는 길을 열지, 아니면 유익한 물리학 플랫폼으로 남을지를 결정할 세 가지 신호가 있다.

첫 번째 신호는 엔드투엔드 에너지 및 속도 벤치마크다. 연구진은 레이저, 조향 시스템, 이미징 파이프라인, 온도 제어, Gaussian kernel, 학습된 readout을 모두 포함해야 한다.

긍정적인 측정 결과는 능동 물질이 계산 작업을 줄일 수 있다는 주장을 강화할 것이다. 반대로 부정적인 결과는 현재 아키텍처의 용도를 주로 과학 실험으로 한정하게 될 것이다.

벤치마크는 동일한 작업과 명확히 정의된 시스템 경계를 사용해야 한다. 예측당 에너지, 지속 처리량, 지연 시간, 정확도를 보고해야 한다.

두 번째 신호는 비슷한 성능을 내는 더 단순한 구동 방식이다. 전극으로 구동되는 입자나 다른 소형 메커니즘은 지속적인 광학 조향 없이도 유용한 궤도 역학을 재현해야 한다.

성공한다면 여러 부피가 큰 구성 요소를 제거하고 더 현실적인 통합 경로를 만들 수 있다. 또한 reservoir의 장점이 이 특정 광학 설정이 아니라 능동 물질 자체에 속하는지를 검증하게 된다.

실패한다면 레이저 피드백이 단순한 실험실용 보조 장치가 아님을 보여줄 것이다. 즉, 제어 시스템이 계산의 핵심적인 일부를 제공한다는 뜻이다.

세 번째 신호는 잡음이 있는 외부 데이터에서의 성능이다. 설득력 있는 후속 연구는 생성된 Mackey-Glass 및 Lorenz 시퀀스를 넘어야 한다.

가능한 시험 대상으로는 기록된 센서 스트림, 생리학적 측정값, 산업 진동 데이터, 환경 모니터링 신호 등이 있다. 평가는 홀드아웃 기간을 유지하고 위양성률을 공개해야 한다.

실제 데이터는 드리프트, 결측 관측값, 변화하는 잡음, 드문 이상 현상을 드러낼 것이다. 이런 조건은 흥미로운 벤치마크와 사용 가능한 탐지 시스템을 가르는 경우가 많다.

연구진은 다른 이색 하드웨어뿐 아니라 일반적인 소프트웨어 모델과도 비교해야 한다. 소형 디지털 reservoir 또는 recurrent 모델이 더 간단한 배포 방식으로 충분한 정확도를 제공할 수 있다.

Tom Hardware는 memristor 격차를 핵심 제약 조건으로 올바르게 짚는다. 그러나 memristor의 오류 수준을 맞추는 것만이 관련성을 확보하는 유일한 길은 아니다.

액체 시스템은 고체 전자 장치가 쉽게 진입할 수 없는 환경에서 작동한다면 더 낮은 정확도도 정당화될 수 있다. 또한 동일한 물질 안에서 적응형 센싱과 계산을 제공할 수도 있다.

이런 가능성은 장치가 이를 입증하기 전까지는 여전히 추측에 불과하다. 현재 실험은 시장이 아니라 물리적 메커니즘을 확립한다.

지속적인 기여는 방법론적 측면에 있을 수 있다. 이제 연구진은 수백 개의 상호작용하는 oscillator를 조정하고 집단적 행동이 계산 성능을 어떻게 바꾸는지 관찰할 수 있다.

이 역량은 물리학자들이 능동 물질의 메모리, 비선형성, 내결함성, 정보 흐름을 연구하는 데 도움이 될 수 있다. 액체 하드웨어가 실제로 출시되지 않더라도 이러한 연구의 교훈은 다른 substrate에 영향을 줄 수 있다.

다음 논문은 궤도를 도는 입자의 또 다른 인상적인 이미지보다 더 중요하다. 제어 루프를 축소하고, 전체 에너지 사용량을 측정하며, 실험실 벤치마크 밖에서 수집한 신호를 시험해야 한다.

비정형 컴퓨팅을 추적하는 독자라면 이 세 가지 이정표를 주시해야 한다. 이는 액적이 CPU를 대체할 수 있는지 묻는 것보다 더 명확한 기준을 제시한다.

오늘의 답은 아니다. 더 유용한 발견은 제어 가능한 액체 역학이 수백 개의 병렬 물리 노드에서 실제 시간적 계산을 수행할 수 있다는 점이다.

신흥 하드웨어를 따라가고 있다면 논문, 벤치마크, 이후의 재현 연구를 하나의 검색 가능한 연구 기록으로 보존하라. 개인 지식 베이스는 이후의 측정 결과를 오늘의 주장과 연결하는 데 도움이 될 수 있다. 그런 다음 다음 프로토타입이 보조 장비를 줄이고, 전체 효율성 데이터를 공개하며, memristor 정확도 격차를 좁히는지 살펴보라.