用于納米粒子神經網絡的基于納米粒子的計算架構

可擴展的基于納米粒子的計算架構具有多個局限性，這些局限性會嚴重損害納米粒子通過分子計算方案來處理和處理信息的使用。在馮·諾依曼架構(VNA)是單個芯片中多個任意分子邏輯運算的基礎，而無需重新布線。在一份新報告中，Sungi Kim和韓國首爾國立大學的一組科學家在脂質芯片上開發了基于納米顆粒的VNA(NVNA)。脂質芯片上的納米顆粒起著硬件的作用-具有內存，處理器和輸出單元。該團隊使用DNA鏈作為軟件來提供分子指令以對邏輯電路進行編程。基于納米粒子的馮·諾伊曼架構(NVNA)允許一組納米粒子形成被稱為感知器(一種人工神經網絡)的前饋神經網絡。系統可以實現功能上完整的布爾邏輯運算提供可編程，可重置和可擴展的計算架構和電路板，以形成納米粒子神經網絡并做出邏輯決策。該工作現在發表在“科學進展”上。

現代計算和分子計算中的馮·諾依曼架構

過去的電子計算機只能運行固定程序，研究人員必須進行物理重新布線和重組流程才能對此類機器進行重新編程。約翰·馮·諾依曼(John von Neumann)于1945年開發的馮·諾依曼體系結構(VNA)，后來被艾倫·圖靈(Alan Turing)在他對自動計算引擎的建議中引用，詳述了存儲程序計算機以執行一組指令。系統通過依次從存儲器中獲取存儲的數據和指令以生成輸出來處理信息。VNA強大的可編程性適用于現代計算機和量子計算。

具有納米結構的分子計算可以允許使用多種技術，例如納米粒子邏輯門，單分子生物傳感器和邏輯感測，盡管這類系統很像早期電子計算機那樣僅限于單個程序。由于研究人員將軟件(功能)和納米結構硬件合并為一個單元，因此出現了限制。為了克服這一挑戰，它們可以包括脂質雙層來分隔分子和納米顆粒。Kim等。先前已經開發了在脂質雙層上具有納米顆粒的計算平臺，以形成納米生物計算脂質納米片(LNT)。在這項工作中，他們設計并實現了基于納米粒子的馮·諾伊曼架構(NVNA)平臺，用于在脂質納米片(LNT)上進行分子計算。