东方时讯网今天使用的大部分能源以电能的形式消耗，用于处理和存储数据以及运行相关的终端设备和装置。根据预测，未来用于这些目的的能源水平将进一步增加。神经形态计算等创新概念采用节能方法来解决这个问题。
在美因茨约翰内斯古腾堡大学(JGU)的实验物理学家和理论物理学家开展的联合项目中，这种被称为布朗水库计算的方法现已实现。该结果最近还被列为《自然通讯》杂志设备部分的编辑亮点。
布朗计算使用环境热能
布朗储层计算是两种非常规计算方法的结合。布朗计算利用了计算机进程通常在室温下运行这一事实，因此可以选择使用周围的热能，从而减少电力消耗。
计算系统中使用的热能基本上是粒子的随机运动，称为布朗运动;这解释了这种计算方法的名称。
水库计算是非常高效的数据处理的理想选择
水库计算利用物理系统对外部刺激的复杂响应，从而形成一种极其节省资源的数据处理方式。大部分计算由系统本身执行，不需要额外的能量。此外，这种类型的储层计算机可以轻松定制以执行各种任务，因为无需调整固态系统以满足特定要求。
由美因茨大学物理研究所MathiasKläui教授领导的团队，在荷兰奈梅亨大学JohanMentink教授的支持下，现已成功开发出结合这两种计算方法的原型。该原型能够进行布尔逻辑运算，可作为油藏计算验证的标准测试。
在这种情况下选择的固态系统由表现出磁性斯格明子的金属薄膜组成。这些磁涡流的行为就像粒子一样，可以由电流驱动。skyrmions的行为不仅受施加电流的影响，还受其自身布朗运动的影响。skyrmions的这种布朗运动可以显着提高节能效果，因为系统会在每次操作后自动重置并为下一次计算做好准备。
第一个原型在美因茨开发
尽管近年来出现了很多基于skyrmion的储层计算的理论概念，但美因茨的研究人员只有将这些概念与布朗计算原理相结合，才成功开发出第一个功能原型。
实验物理学家KlausRaab说：“从光刻的角度来看，原型很容易制作，理论上可以缩小到纳米大小。”“我们的成功归功于美因茨大学的实验物理学家和理论物理学家之间的出色合作，”理论物理学家MaartenBrems说。