Рубрика: Наука

Перспективи тисячократно ущільнити запис і зберігати цілісність даних завдяки самовідтворення інформації в генах змушують вчених шукати можливість запису даних в ДНК. На цьому шляху вже зроблені перші цікаві кроки і буде зроблено ще чимало відкриттів. Свій внесок в загальну справу внесли вчені з Колумбійського університету в США, які запропонували просту систему прямого запису даних з комп’ютера безпосередньо в геном бактерій.

Традиційні методи запису інформації в ДНК припускають кодування одиниць і нулів файлу даних у вигляді комбінації чотирьох азотистих основ: аденіну, гуаніну, цитозину і тиміну. Зазвичай довжина закодованих послідовностей не перевищує 200 або 300 підстав (фрагментів), оскільки інакше страждає точність штучного синтезу ДНК. Читання відбувається в процесі секвенування закодованих послідовностей. Вартість такого процесу кодування і декодування досягає $ 3500 за Мбіт. До того ж послідовності з часом деградують і втрачають інформацію. Виходить дорого і ненадійно.

Дослідники з Колумбійського університету ще в 2017 році методом CRISPR змогли відредагувати ДНК плазміди кишкової палички (Escherichia coli) так, що ті змогли розпізнавати і запам’ятовувати потрапляння цукрової фруктози в клітини бактерій. У складі ДНК бактерій цей модифікований елемент міг зберігати 0 або 1 в залежності від того, подавалася в розчин з бактеріями фруктоза чи ні. Фактично фруктоза кодувала ділянку ДНК. Ці дані вчені могли витягти в процесі секвенування ДНК бактерій в будь-який зручний для себе час, оскільки дані — ділянку ДНК із закодованою інформацією — передавалися в колонії бактерій в процесі розмноження від одного покоління до іншого. У новому дослідженні, про яке вчені повідомили в недавньому виданні журналу Nature Chemical Biology, дослідники змогли створити умови для запису 72 бітів даних в ДНК.

В плазміди живих бактерій E. coli була записана закодована фраза «Hello world!», Яку потім успішно прочитали після секвенування ДНК живих бактерій. Таким чином, дані кодувалися прямо з ПК в ДНК живих бактерій без штучного синтезу ДНК. По крайней мере, економія з’явилася на етапі синтезу. Джерело

Міжнародна група, очолювана вченими з Технологічного університету Свінбурна (Swinburne University of Technology) недавно провела демонстрацію, ключовим компонентом якої став новий, найшвидший і найпотужніший у світі оптичний нейроморфний процесор. Цей процесор, призначений для систем штучного інтелекту, може забезпечувати продуктивність на рівні більш 10 трильйонів тензорних операцій в секунду, чого достатньо для обробки в режимі реального часу дуже і дуже широких потоків даних. Це досягнення є «довгим стрибком вперед» в області нейронних мереж і нейроморфной обробки даних в цілому.

Штучні нейронні мережі, на базі яких будуються практично всі сучасні системи штучного інтелекту, здатні навчитися і ефективно виконувати важкі обчислювальні завдання, пов’язані з машинним зором, обробкою природної мови, перекладом мови з однієї мови на іншу, медичної діагностикою і т.п. Структура штучних нейронних практично скопійована з структури зорового ділянки кори головного мозку і, природно, такі мережі будуть краще і ефективніше працювати на апаратних засобах, що працюють на таких же принципах, як і головний мозок, тобто на спеціалізованих нейроморфних процесорах.

Створений ученими оптичний нейроморфний процесор демонструє в 1000 разів більшу продуктивність, ніж будь-який інший подібний процесор, створений раніше. За рахунок цього він здатний в режимі реального часу обробляти зображення з роздільною здатністю в 250 тисяч пікселів і виконувати завдання розпізнавання осіб, що було далеко за межами можливостей інших оптичних процесорів. Ключовими компонентами, які дозволили отримати приголомшливу продуктивність нового процесора, є так звані оптичні мікрогребенкі. Одна така мікрогребенка здатна створити і маніпулювати зі світлом, ширина смуги якого відповідає ширині смуги світла, що випромінює сотнями інфроакрасних лазерів.

Це, в свою чергу, дозволяє за допомогою однієї мікрогребенкі передавати і кодувати дані, використовуючи одночасно тимчасове, частотне, амплітудне і просторове модулювання та мультиплексування. Відзначимо, що на світі існують електронні нейроморфние процесори, такі, як Google TPU, що забезпечують продуктивність в 100 TeraOPs/s. Однак, така продуктивність досягається за рахунок паралельної роботи тисяч спеціалізованих мікропроцесорів. У новому ж оптичному нейроморфном процесорі його продуктивність в 11 TeraOPs/s була досягнута при використанні одного єдиного процесора.

«Наш процесор здатний стати свого роду «універсальним фронтендів» з високою пропускною здатністю для будь-якої нейроморфной обчислювальної системи — електронної або оптичної» — пишуть дослідники, — «Він може забезпечити дуже швидке навчання системи на величезних наборах даних, а потім і роботу системи в режимі реального часу, виконуючи найважчі із завдань, для яких зараз використовується штучний інтелект». Джерело