利用机器学习使纳米系统更加节能

白白得到一些东西在物理学中是行不通的。但事实证明，通过像战略游戏玩家一样思考，并在恶魔的帮助下，提高数据中心等复杂系统的能源效率可能是可能的。

在计算机模拟中，能源部劳伦斯伯克利国家实验室(伯克利实验室)的斯蒂芬·怀特拉姆(Stephen Whitelam)使用神经网络(一种模仿人脑过程的机器学习模型)来训练纳米系统，纳米系统是分子大小的微型机器，以更高的能源效率工作。

更重要的是，模拟表明，学习的协议可以通过不断测量它们以找到最节能的操作来从系统中获取热量。

“我们可以从系统中获取能量，或者我们可以将工作存储在系统中，”怀特拉姆说。

这种洞察力可能被证明是有价值的，例如，在操作计算机数据中心等非常大的系统中。计算机组产生大量的热量，必须使用更多的能量来提取这些热量，以防止损坏敏感的电子设备。

Whitelam在伯克利实验室的美国能源部科学办公室用户设施Molecular Foundry进行了这项研究。他的工作在发表在《物理评论X》上的一篇论文中有所描述。

灵感来自Pac Man和Maxwell的恶魔

当被问及他的想法的起源时，怀特拉姆说：“人们使用机器学习文献中的技术来玩雅达利视频游戏，这些游戏似乎自然适合材料科学。

他解释说，在像Pac Man这样的视频游戏中，机器学习的目标是选择一个特定的时间来执行动作——上、下、左、右等。随着时间的推移，机器学习算法将“学习”最佳动作，以及何时获得高分。同样的算法也适用于纳米级系统。

怀特拉姆的模拟也是对物理学中一个叫做麦克斯韦恶魔的古老思想实验的回答。简而言之，在1867年，物理学家詹姆斯·克拉克·麦克斯韦(James Clerk Maxwell)提出了一个装满气体的盒子，在盒子的中间会有一个没有质量的“恶魔”控制着活板门。恶魔会打开门，让较快的气体分子移动到盒子的一侧，而较慢的分子移动到另一侧。

最终，在所有分子如此分离的情况下，盒子的“慢”面将是冷的，“快”的一面将是热的，与分子的能量相匹配。

检查冰箱

该系统将构成一个热机，怀特拉姆说。然而，重要的是，麦克斯韦恶魔并没有违反热力学定律——白白得到一些东西——因为信息等同于能量。测量盒子中分子的位置和速度比产生的热机产生的能量消耗更多的能量。

热机可能是有用的东西。冰箱提供了一个很好的类比，怀特拉姆说。当系统运行时，里面的食物保持低温 - 这是期望的结果 - 即使冰箱的背面由于冰箱电机完成的工作而变热。

在Whitelam的模拟中，机器学习协议可以被认为是恶魔。在优化过程中，它将从建模的系统中提取的信息转换为能量作为热量。

在纳米级系统上释放恶魔

在一次模拟中，Whitelam优化了将纳米级珠子拖过水的过程。他模拟了一种所谓的光学陷阱，其中激光束就像光镊一样，可以保持和移动珠子。

“游戏的名称是：从这里到那里，尽可能少地在系统上完成工作，”怀特拉姆说。珠子在称为布朗运动的自然波动下摇晃，因为水分子正在轰击它。Whitelam表明，如果可以测量这些波动，那么就可以在最节能的时刻移动珠子。

“在这里，我们展示了我们可以训练神经网络恶魔做一些类似于麦克斯韦思想实验的事情，但有一个光学陷阱，”他说。

冷却计算机

怀特拉姆将这个想法扩展到微电子和计算。他使用机器学习协议模拟了在0和1之间翻转纳米磁位的状态，这是计算中的基本信息擦除/信息复制操作。

“一次又一次地这样做。最终，你的恶魔将'学会'如何翻转钻头，以便从周围吸收热量，“他说。他回到冰箱的比喻。“你可以制造一台在运行时冷却的计算机，热量被送到数据中心的其他地方。

怀特拉姆说，模拟就像是理解概念和想法的试验台。“这里的想法只是表明你可以执行这些协议，要么以很少的能源费用，要么以去其他地方为代价吸收能量，使用可以应用于现实生活中的测量，”他说。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！