ಸೂಪರ್ಕಂಪ್ಯೂಟಿಂಗ್ ಪ್ರಗತಿಗಳು: ನ್ಯೂರೋಮಾರ್ಫಿಕ್ ಆಪ್ಟಿಕಲ್ ನೆಟ್ವರ್ಕ್ಗಳನ್ನು ಬಳಸುವುದು
ಸೂಪರ್ಕಂಪ್ಯೂಟಿಂಗ್ ಪ್ರಗತಿಗಳು: ನ್ಯೂರೋಮಾರ್ಫಿಕ್ ಆಪ್ಟಿಕಲ್ ನೆಟ್ವರ್ಕ್ಗಳನ್ನು ಬಳಸುವುದು
ಕಳೆದ ಕೆಲವು ದಶಕಗಳಲ್ಲಿ, 1965 ರಲ್ಲಿ IBM ನ ಗಾರ್ಡನ್ ಮೂರ್ನಿಂದ ಊಹಿಸಲ್ಪಟ್ಟ ಒಂದು ಕಾಲದಲ್ಲಿ ಪ್ರಸಿದ್ಧವಾದ ಮತ್ತು ನಿಖರವಾದ ಪ್ರವೃತ್ತಿ, ಮೂರ್ಸ್ ಕಾನೂನು, ಈಗ ನಿಧಾನವಾಗಿ ಕಂಪ್ಯೂಟಿಂಗ್ ಕಾರ್ಯಕ್ಷಮತೆಯ ನಿಷ್ಕ್ರಿಯ ಅಳತೆಯಾಗಿದೆ. ಮೂರ್ನ ಕಾನೂನು ಪ್ರತಿ ಎರಡು ವರ್ಷಗಳಿಗೊಮ್ಮೆ ಇಂಟಿಗ್ರೇಟೆಡ್ ಸರ್ಕ್ಯೂಟ್ನಲ್ಲಿ ಟ್ರಾನ್ಸಿಸ್ಟರ್ಗಳ ಸಂಖ್ಯೆ ದ್ವಿಗುಣಗೊಳ್ಳುತ್ತದೆ, ಅದೇ ಪ್ರಮಾಣದ ಜಾಗದಲ್ಲಿ ಹೆಚ್ಚಿನ ಟ್ರಾನ್ಸಿಸ್ಟರ್ಗಳು ಇರುತ್ತವೆ, ಇದು ಹೆಚ್ಚಿದ ಗಣನೆಗೆ ಕಾರಣವಾಗುತ್ತದೆ ಮತ್ತು ಕಂಪ್ಯೂಟರ್ ಕಾರ್ಯಕ್ಷಮತೆಗೆ ಕಾರಣವಾಗುತ್ತದೆ. ಏಪ್ರಿಲ್ 2005 ರಲ್ಲಿ, ಸಂದರ್ಶನವೊಂದರಲ್ಲಿ, ಗಾರ್ಡನ್ ಮೂರ್ ಸ್ವತಃ ತನ್ನ ಪ್ರಕ್ಷೇಪಣವು ಇನ್ನು ಮುಂದೆ ಸಮರ್ಥನೀಯವಾಗಿರುವುದಿಲ್ಲ ಎಂದು ಹೇಳಿದರು: "ಗಾತ್ರದ [ಟ್ರಾನ್ಸಿಸ್ಟರ್ಗಳ] ಪರಿಭಾಷೆಯಲ್ಲಿ ನಾವು ಪರಮಾಣುಗಳ ಗಾತ್ರವನ್ನು ಸಮೀಪಿಸುತ್ತಿರುವುದನ್ನು ನೀವು ನೋಡಬಹುದು ಅದು ಮೂಲಭೂತ ತಡೆಗೋಡೆಯಾಗಿದೆ, ಆದರೆ ಅದು ನಾವು ಅಷ್ಟು ದೂರವನ್ನು ತಲುಪುವ ಮೊದಲು ಎರಡು ಅಥವಾ ಮೂರು ತಲೆಮಾರುಗಳಾಗಬಹುದು-ಆದರೆ ಅದು ನಾವು ನೋಡಲು ಸಾಧ್ಯವಾಗದಷ್ಟು ದೂರವಿದೆ. ನಾವು ಮೂಲಭೂತ ಮಿತಿಯನ್ನು ತಲುಪುವ ಮೊದಲು ನಮಗೆ ಇನ್ನೂ 10 ರಿಂದ 20 ವರ್ಷಗಳಿವೆ.
ಮೂರ್ನ ಕಾನೂನು ಕೆಲವು ಡೆಡ್-ಎಂಡ್ ಅನ್ನು ಹೊಡೆಯಲು ಅವನತಿ ಹೊಂದಿದ್ದರೂ, ಕಂಪ್ಯೂಟಿಂಗ್ನ ಇತರ ಸೂಚಕಗಳು ಅನ್ವಯದಲ್ಲಿ ಏರಿಕೆ ಕಾಣುತ್ತಿವೆ. ನಮ್ಮ ದೈನಂದಿನ ಜೀವನದಲ್ಲಿ ನಾವು ಬಳಸುವ ತಂತ್ರಜ್ಞಾನದೊಂದಿಗೆ, ಕಂಪ್ಯೂಟರ್ಗಳ ಪ್ರವೃತ್ತಿಗಳು ಚಿಕ್ಕದಾಗುವುದನ್ನು ಮತ್ತು ಚಿಕ್ಕದಾಗುವುದನ್ನು ನಾವೆಲ್ಲರೂ ನೋಡಬಹುದು ಆದರೆ ಸಾಧನದ ಬ್ಯಾಟರಿಗಳು ಹೆಚ್ಚು ಕಾಲ ಬಾಳಿಕೆ ಬರುತ್ತವೆ. ಬ್ಯಾಟರಿಗಳೊಂದಿಗಿನ ನಂತರದ ಪ್ರವೃತ್ತಿಯನ್ನು ಕೂಮಿಯ ಕಾನೂನು ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ, ಇದನ್ನು ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಪ್ರಾಧ್ಯಾಪಕ ಜೊನಾಥನ್ ಕೂಮಿ ಹೆಸರಿಡಲಾಗಿದೆ. "... ಸ್ಥಿರ ಕಂಪ್ಯೂಟಿಂಗ್ ಲೋಡ್ನಲ್ಲಿ, ನಿಮಗೆ ಅಗತ್ಯವಿರುವ ಬ್ಯಾಟರಿಯ ಪ್ರಮಾಣವು ಪ್ರತಿ ಒಂದೂವರೆ ವರ್ಷಕ್ಕೆ ಎರಡು ಪಟ್ಟು ಕಡಿಮೆಯಾಗುತ್ತದೆ" ಎಂದು ಕೂಮಿಯ ಕಾನೂನು ಊಹಿಸುತ್ತದೆ. ಆದ್ದರಿಂದ, ಎಲೆಕ್ಟ್ರಾನಿಕ್ ವಿದ್ಯುತ್ ಬಳಕೆ ಅಥವಾ ಕಂಪ್ಯೂಟರ್ಗಳ ಶಕ್ತಿಯ ದಕ್ಷತೆಯು ಪ್ರತಿ 18 ತಿಂಗಳಿಗೊಮ್ಮೆ ದ್ವಿಗುಣಗೊಳ್ಳುತ್ತಿದೆ. ಆದ್ದರಿಂದ, ಈ ಎಲ್ಲಾ ಪ್ರವೃತ್ತಿಗಳು ಮತ್ತು ಬದಲಾವಣೆಗಳು ಕಂಪ್ಯೂಟಿಂಗ್ನ ಭವಿಷ್ಯದ ಕಡೆಗೆ ತೋರಿಸುತ್ತಿವೆ ಮತ್ತು ಬಹಿರಂಗಪಡಿಸುತ್ತಿವೆ.
ಕಂಪ್ಯೂಟಿಂಗ್ನ ಭವಿಷ್ಯ
ಹಲವಾರು ದಶಕಗಳ ಹಿಂದೆ ಊಹಿಸಲಾದ ಪ್ರವೃತ್ತಿಗಳು ಮತ್ತು ಕಾನೂನುಗಳು ಇನ್ನು ಮುಂದೆ ಅನ್ವಯಿಸುವುದಿಲ್ಲವಾದ್ದರಿಂದ ನಾವು ಕಂಪ್ಯೂಟಿಂಗ್ ಅನ್ನು ಮರುವ್ಯಾಖ್ಯಾನಿಸಬೇಕಾದ ಇತಿಹಾಸದ ಸಮಯಕ್ಕೆ ನಾವು ಬಂದಿದ್ದೇವೆ. ಅಲ್ಲದೆ, ಕಂಪ್ಯೂಟಿಂಗ್ ನ್ಯಾನೋ ಮತ್ತು ಕ್ವಾಂಟಮ್ ಮಾಪಕಗಳ ಕಡೆಗೆ ತಳ್ಳುವುದರಿಂದ, ಸ್ಪಷ್ಟವಾದ ಭೌತಿಕ ಮಿತಿಗಳು ಮತ್ತು ಸವಾಲುಗಳು ಬರಲಿವೆ. ಬಹುಶಃ ಸೂಪರ್ಕಂಪ್ಯೂಟಿಂಗ್ನಲ್ಲಿನ ಅತ್ಯಂತ ಗಮನಾರ್ಹ ಪ್ರಯತ್ನವೆಂದರೆ, ಕ್ವಾಂಟಮ್ ಕಂಪ್ಯೂಟಿಂಗ್, ಸಮಾನಾಂತರ ಗಣನೆಗಾಗಿ ಕ್ವಾಂಟಮ್ ಎಂಟ್ಯಾಂಗಲ್ಮೆಂಟ್ ಅನ್ನು ನಿಜವಾಗಿಯೂ ಬಳಸಿಕೊಳ್ಳುವ ಸ್ಪಷ್ಟ ಸವಾಲನ್ನು ಹೊಂದಿದೆ, ಅಂದರೆ, ಕ್ವಾಂಟಮ್ ಡಿಕೋಹೆರೆನ್ಸ್ಗೆ ಮೊದಲು ಗಣನೆಗಳನ್ನು ನಿರ್ವಹಿಸುವುದು. ಆದಾಗ್ಯೂ, ಕ್ವಾಂಟಮ್ ಕಂಪ್ಯೂಟಿಂಗ್ನ ಸವಾಲುಗಳ ಹೊರತಾಗಿಯೂ ಕಳೆದ ಕೆಲವು ದಶಕಗಳಲ್ಲಿ ಹೆಚ್ಚಿನ ಪ್ರಗತಿ ಕಂಡುಬಂದಿದೆ. ಕ್ವಾಂಟಮ್ ಕಂಪ್ಯೂಟಿಂಗ್ಗೆ ಅನ್ವಯಿಸಲಾದ ಸಾಂಪ್ರದಾಯಿಕ ಜಾನ್ ವಾನ್ ನ್ಯೂಮನ್ ಕಂಪ್ಯೂಟರ್ ಆರ್ಕಿಟೆಕ್ಚರ್ನ ಮಾದರಿಗಳನ್ನು ಒಬ್ಬರು ಕಾಣಬಹುದು. ಆದರೆ ಸಾಂಪ್ರದಾಯಿಕ ವಾನ್ ನ್ಯೂಮನ್ ವಾಸ್ತುಶಿಲ್ಪವನ್ನು ಅನುಸರಿಸದಿರುವ ನ್ಯೂರೋಮಾರ್ಫಿಕ್ ಕಂಪ್ಯೂಟಿಂಗ್ ಎಂದು ಕರೆಯಲ್ಪಡುವ (ಸೂಪರ್)ಕಂಪ್ಯೂಟಿಂಗ್ನ ಹೆಚ್ಚು ಪ್ರಸಿದ್ಧವಲ್ಲದ ಮತ್ತೊಂದು ಕ್ಷೇತ್ರವಿದೆ.
ನ್ಯೂರೋಮಾರ್ಫಿಕ್ ಕಂಪ್ಯೂಟಿಂಗ್ ಅನ್ನು ಕ್ಯಾಲ್ಟೆಕ್ ಪ್ರೊಫೆಸರ್ ಕಾರ್ವರ್ ಮೀಡ್ ಅವರು 1990 ರಲ್ಲಿ ತಮ್ಮ ಸೆಮಿನಲ್ ಪೇಪರ್ನಲ್ಲಿ ಮತ್ತೆ ರೂಪಿಸಿದರು. ಮೂಲಭೂತವಾಗಿ, ನ್ಯೂರೋಮಾರ್ಫಿಕ್ ಕಂಪ್ಯೂಟಿಂಗ್ನ ತತ್ವಗಳು ಸೈದ್ಧಾಂತಿಕ ಕ್ರಿಯೆಯ ಜೈವಿಕ ತತ್ವಗಳನ್ನು ಆಧರಿಸಿವೆ. ನ್ಯೂರೋಮಾರ್ಫಿಕ್ ಕಂಪ್ಯೂಟಿಂಗ್ ಸಿದ್ಧಾಂತ ಮತ್ತು ಕ್ಲಾಸಿಕಲ್ ವಾನ್ ನ್ಯೂಮನ್ ಕಂಪ್ಯೂಟಿಂಗ್ ಸಿದ್ಧಾಂತದ ನಡುವಿನ ಸಂಕ್ಷಿಪ್ತ ವ್ಯತ್ಯಾಸವನ್ನು ಡಾನ್ ಮನ್ರೋ ಅವರ ಲೇಖನದಲ್ಲಿ ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸಲಾಗಿದೆ ಅಸೋಸಿಯೇಷನ್ ಫಾರ್ ಕಂಪ್ಯೂಟಿಂಗ್ ಮೆಷಿನರಿ ಜರ್ನಲ್. ಹೇಳಿಕೆಯು ಹೀಗಿದೆ: “ಸಾಂಪ್ರದಾಯಿಕ ವಾನ್ ನ್ಯೂಮನ್ ವಾಸ್ತುಶಿಲ್ಪದಲ್ಲಿ, ಶಕ್ತಿಯುತವಾದ ತರ್ಕ ಕೋರ್ (ಅಥವಾ ಹಲವಾರು ಸಮಾನಾಂತರವಾಗಿ) ಮೆಮೊರಿಯಿಂದ ಪಡೆದ ಡೇಟಾದ ಮೇಲೆ ಅನುಕ್ರಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಇದಕ್ಕೆ ವ್ಯತಿರಿಕ್ತವಾಗಿ, 'ನ್ಯೂರೋಮಾರ್ಫಿಕ್' ಕಂಪ್ಯೂಟಿಂಗ್ ಅಗಾಧ ಸಂಖ್ಯೆಯ ತುಲನಾತ್ಮಕವಾಗಿ ಪ್ರಾಚೀನ 'ನ್ಯೂರಾನ್ಗಳ' ನಡುವೆ ಕಂಪ್ಯೂಟೇಶನ್ ಮತ್ತು ಮೆಮೊರಿ ಎರಡನ್ನೂ ವಿತರಿಸುತ್ತದೆ, ಪ್ರತಿಯೊಂದೂ ನೂರಾರು ಅಥವಾ ಸಾವಿರಾರು ಇತರ ನ್ಯೂರಾನ್ಗಳೊಂದಿಗೆ 'ಸಿನಾಪ್ಸಸ್' ಮೂಲಕ ಸಂವಹನ ನಡೆಸುತ್ತದೆ.
ನ್ಯೂರೋಮಾರ್ಫಿಕ್ ಕಂಪ್ಯೂಟಿಂಗ್ನ ಇತರ ಪ್ರಮುಖ ಲಕ್ಷಣಗಳು ದೋಷ ಅಸಹಿಷ್ಣುತೆಯನ್ನು ಒಳಗೊಂಡಿವೆ, ಇದು ನ್ಯೂರಾನ್ಗಳನ್ನು ಕಳೆದುಕೊಳ್ಳುವ ಮತ್ತು ಇನ್ನೂ ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಸಾಧ್ಯವಾಗುವ ಮಾನವ ಮೆದುಳಿನ ಸಾಮರ್ಥ್ಯವನ್ನು ರೂಪಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ. ಸಾದೃಶ್ಯವಾಗಿ, ಸಾಂಪ್ರದಾಯಿಕ ಕಂಪ್ಯೂಟಿಂಗ್ನಲ್ಲಿ ಒಂದು ಟ್ರಾನ್ಸಿಸ್ಟರ್ನ ನಷ್ಟವು ಸರಿಯಾದ ಕಾರ್ಯನಿರ್ವಹಣೆಯ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ. ನ್ಯೂರೋಮಾರ್ಫಿಕ್ ಕಂಪ್ಯೂಟಿಂಗ್ನ ಮತ್ತೊಂದು ಉದ್ದೇಶಿತ ಮತ್ತು ಉದ್ದೇಶಿತ ಪ್ರಯೋಜನವೆಂದರೆ ಪ್ರೋಗ್ರಾಮ್ ಮಾಡುವ ಅಗತ್ಯವಿಲ್ಲ; ಈ ಕೊನೆಯ ಗುರಿಯು ಮತ್ತೆ ಕಲಿಯಲು, ಪ್ರತಿಕ್ರಿಯಿಸಲು ಮತ್ತು ಸಂಕೇತಗಳಿಗೆ ಹೊಂದಿಕೊಳ್ಳುವ ಮಾನವ ಮೆದುಳಿನ ಸಾಮರ್ಥ್ಯವನ್ನು ರೂಪಿಸುತ್ತಿದೆ. ಹೀಗಾಗಿ, ನ್ಯೂರೋಮಾರ್ಫಿಕ್ ಕಂಪ್ಯೂಟಿಂಗ್ ಪ್ರಸ್ತುತ ಯಂತ್ರ ಕಲಿಕೆ ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಕಾರ್ಯಗಳಿಗೆ ಅತ್ಯುತ್ತಮ ಅಭ್ಯರ್ಥಿಯಾಗಿದೆ.
ನ್ಯೂರೋಮಾರ್ಫಿಕ್ ಸೂಪರ್ಕಂಪ್ಯೂಟಿಂಗ್ನ ಪ್ರಗತಿಗಳು
ಈ ಲೇಖನದ ಉಳಿದ ಭಾಗವು ನ್ಯೂರೋಮಾರ್ಫಿಕ್ ಸೂಪರ್ಕಂಪ್ಯೂಟಿಂಗ್ನ ಪ್ರಗತಿಯನ್ನು ಪರಿಶೀಲಿಸುತ್ತದೆ. ನಿರ್ದಿಷ್ಟವಾಗಿ ಹೇಳುವುದಾದರೆ, ಅಲೆಕ್ಸಾಂಡರ್ ಟೈಟ್ et ನಿಂದ Arxiv ಕುರಿತು ಇತ್ತೀಚೆಗೆ ಪ್ರಕಟವಾದ ಸಂಶೋಧನೆ. ಅಲ್. ಪ್ರಿನ್ಸ್ಟನ್ ವಿಶ್ವವಿದ್ಯಾನಿಲಯವು ಸಿಲಿಕಾನ್-ಆಧಾರಿತ ಫೋಟೊನಿಕ್ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ ಮಾದರಿಯು ಸಾಂಪ್ರದಾಯಿಕ ಕಂಪ್ಯೂಟಿಂಗ್ ವಿಧಾನವನ್ನು ಸುಮಾರು 2000 ಪಟ್ಟು ಮೀರಿಸುತ್ತದೆ ಎಂದು ತೋರಿಸುತ್ತದೆ. ಕಂಪ್ಯೂಟಿಂಗ್ನ ಈ ನ್ಯೂರೋಮಾರ್ಫಿಕ್ ಫೋಟೊನಿಕ್ ಪ್ಲಾಟ್ಫಾರ್ಮ್ ಅಲ್ಟ್ರಾಫಾಸ್ಟ್ ಮಾಹಿತಿ ಪ್ರಕ್ರಿಯೆಗೆ ಕಾರಣವಾಗಬಹುದು.
ಟೈಟ್ ಎಟ್. ಅಲ್. ಎಂಬ ಪೇಪರ್ ನ್ಯೂರೋಮಾರ್ಫಿಕ್ ಸಿಲಿಕಾನ್ ಫೋಟೊನಿಕ್ಸ್ ಕಂಪ್ಯೂಟಿಂಗ್ಗಾಗಿ ವಿದ್ಯುತ್ಕಾಂತೀಯ ವಿಕಿರಣದ ಫೋಟೊನಿಕ್ ಬೆಳಕಿನ ರೂಪವನ್ನು ಬಳಸುವ ಸಾಧಕ-ಬಾಧಕಗಳನ್ನು ವಿವರಿಸಲು ಪ್ರಾರಂಭಿಸುತ್ತದೆ. ಕಾಗದದ ಆರಂಭಿಕ ಮುಖ್ಯ ಅಂಶಗಳೆಂದರೆ, ಬೆಳಕು ವ್ಯಾಪಕವಾಗಿ ಮಾಹಿತಿ ರವಾನೆಗೆ ಬಳಸಲ್ಪಟ್ಟಿದೆ ಆದರೆ ಮಾಹಿತಿ ರೂಪಾಂತರಕ್ಕಾಗಿ ಅಲ್ಲ, ಅಂದರೆ ಡಿಜಿಟಲ್ ಆಪ್ಟಿಕಲ್ ಕಂಪ್ಯೂಟಿಂಗ್. ಅಂತೆಯೇ, ಕ್ವಾಂಟಮ್ ಕಂಪ್ಯೂಟಿಂಗ್ಗೆ, ಡಿಜಿಟಲ್ ಆಪ್ಟಿಕಲ್ ಕಂಪ್ಯೂಟಿಂಗ್ಗೆ ಮೂಲಭೂತ ಭೌತಿಕ ಸವಾಲುಗಳಿವೆ. ಕಾಗದವು ನಂತರ ಹಿಂದಿನ ಪ್ರಸ್ತಾವಿತ ನ್ಯೂರೋಮಾರ್ಫಿಕ್ ಫೋಟೊನಿಕ್ ಕಂಪ್ಯೂಟಿಂಗ್ ಪ್ಲಾಟ್ಫಾರ್ಮ್ನ ವಿವರಗಳಿಗೆ ಹೋಗುತ್ತದೆ ಟೈಟ್ ಎಟ್. ಅಲ್. 2014 ರಲ್ಲಿ ಪ್ರಕಟವಾದ ತಂಡ ಪ್ರಸಾರ ಮತ್ತು ತೂಕ: ಸ್ಕೇಲೆಬಲ್ ಫೋಟೊನಿಕ್ ಸ್ಪೈಕ್ ಪ್ರೊಸೆಸಿಂಗ್ಗಾಗಿ ಒಂದು ಸಂಯೋಜಿತ ನೆಟ್ವರ್ಕ್. ಅವರ ಹೊಸ ಕಾಗದವು ಸಮಗ್ರ ಫೋಟೊನಿಕ್ ನರಮಂಡಲದ ಮೊದಲ ಪ್ರಾಯೋಗಿಕ ಪ್ರದರ್ಶನದ ಫಲಿತಾಂಶಗಳನ್ನು ವಿವರಿಸುತ್ತದೆ.
"ಪ್ರಸಾರ ಮತ್ತು ತೂಕ" ಕಂಪ್ಯೂಟಿಂಗ್ ಆರ್ಕಿಟೆಕ್ಚರ್ನಲ್ಲಿ, "ನೋಡ್ಗಳಿಗೆ" ವಿಶಿಷ್ಟವಾದ "ತರಂಗಾಂತರ ವಾಹಕ" ವನ್ನು ನಿಗದಿಪಡಿಸಲಾಗಿದೆ ಅದು "ತರಂಗಾಂತರ ವಿಭಾಗ ಮಲ್ಟಿಪ್ಲೆಕ್ಸ್ಡ್ (WDM)" ಮತ್ತು ನಂತರ ಇತರ "ನೋಡ್ಗಳಿಗೆ" ಪ್ರಸಾರವಾಗುತ್ತದೆ. ಈ ಆರ್ಕಿಟೆಕ್ಚರ್ನಲ್ಲಿರುವ "ನೋಡ್ಗಳು" ಮಾನವನ ಮೆದುಳಿನಲ್ಲಿ ನರಕೋಶದ ವರ್ತನೆಯನ್ನು ಅನುಕರಿಸಲು ಉದ್ದೇಶಿಸಲಾಗಿದೆ. ನಂತರ "WDM" ಸಂಕೇತಗಳನ್ನು "ಮೈಕ್ರೋರಿಂಗ್ (MRR) ತೂಕದ ಬ್ಯಾಂಕ್ಗಳು" ಎಂದು ಕರೆಯಲಾಗುವ ನಿರಂತರ-ಮೌಲ್ಯದ ಫಿಲ್ಟರ್ಗಳ ಮೂಲಕ ಸಂಸ್ಕರಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ನಂತರ ಅಳತೆ ಮಾಡಲಾದ ಒಟ್ಟು ವಿದ್ಯುತ್ ಪತ್ತೆ ಮೌಲ್ಯಕ್ಕೆ ವಿದ್ಯುನ್ಮಾನವಾಗಿ ಸಂಕ್ಷೇಪಿಸಲಾಗುತ್ತದೆ. ಈ ಕೊನೆಯ ಎಲೆಕ್ಟ್ರೋ-ಆಪ್ಟಿಕ್ ರೂಪಾಂತರ/ಕಂಪ್ಯೂಟೇಶನ್ನ ರೇಖಾತ್ಮಕವಲ್ಲದವು ನಿಖರವಾಗಿ ನ್ಯೂರೋಮಾರ್ಫಿಕ್ ತತ್ವಗಳ ಅಡಿಯಲ್ಲಿ ಕಂಪ್ಯೂಟಿಂಗ್ಗೆ ಅಗತ್ಯವಾದ ನ್ಯೂರಾನ್ ಕಾರ್ಯವನ್ನು ಅನುಕರಿಸಲು ಅಗತ್ಯವಿರುವ ರೇಖಾತ್ಮಕವಲ್ಲದದ್ದಾಗಿದೆ.
ಪತ್ರಿಕೆಯಲ್ಲಿ, ಈ ಪ್ರಾಯೋಗಿಕವಾಗಿ ಪರಿಶೀಲಿಸಿದ ಎಲೆಕ್ಟ್ರೋ-ಆಪ್ಟಿಕ್ ಟ್ರಾನ್ಸ್ಫಾರ್ಮೇಶನ್ ಡೈನಾಮಿಕ್ಸ್ "2-ನೋಡ್ ನಿರಂತರ-ಟೈಮ್ ರಿಕರೆಂಟ್ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್" (CTRNN) ಮಾದರಿಗೆ ಗಣಿತದ ರೀತಿಯಲ್ಲಿ ಹೋಲುತ್ತವೆ ಎಂದು ಅವರು ಚರ್ಚಿಸುತ್ತಾರೆ. CTRNN ಮಾದರಿಗಳಿಗೆ ಬಳಸಲಾದ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಪರಿಕರಗಳನ್ನು ಸಿಲಿಕಾನ್-ಆಧಾರಿತ ನ್ಯೂರೋಮಾರ್ಫಿಕ್ ಪ್ಲಾಟ್ಫಾರ್ಮ್ಗಳಿಗೆ ಅನ್ವಯಿಸಬಹುದು ಎಂದು ಈ ಪ್ರವರ್ತಕ ಫಲಿತಾಂಶಗಳು ಸೂಚಿಸುತ್ತವೆ. ಈ ಆವಿಷ್ಕಾರವು CTRNN ವಿಧಾನವನ್ನು ನ್ಯೂರೋಮಾರ್ಫಿಕ್ ಸಿಲಿಕಾನ್ ಫೋಟೊನಿಕ್ಸ್ಗೆ ಅಳವಡಿಸಿಕೊಳ್ಳುವ ಮಾರ್ಗವನ್ನು ತೆರೆಯುತ್ತದೆ. ಅವರ ಕಾಗದದಲ್ಲಿ, ಅವರು ತಮ್ಮ "ಪ್ರಸಾರ ಮತ್ತು ತೂಕ" ವಾಸ್ತುಶಿಲ್ಪಕ್ಕೆ ಅಂತಹ ಮಾದರಿಯ ರೂಪಾಂತರವನ್ನು ಮಾಡುತ್ತಾರೆ. ಫಲಿತಾಂಶಗಳು CTRNN ಮಾದರಿಯು ಅವುಗಳ 49-ನೋಡ್ ಆರ್ಕಿಟೆಕ್ಚರ್ಗೆ ಅನುಕರಿಸುವ ನ್ಯೂರೋಮಾರ್ಫಿಕ್ ಕಂಪ್ಯೂಟಿಂಗ್ ಆರ್ಕಿಟೆಕ್ಚರ್ ಅನ್ನು ಕ್ಲಾಸಿಕಲ್ ಕಂಪ್ಯೂಟಿಂಗ್ ಮಾದರಿಗಳನ್ನು 3 ಆರ್ಡರ್ಗಳ ಪ್ರಮಾಣದಲ್ಲಿ ಮೀರಿಸುತ್ತದೆ ಎಂದು ತೋರಿಸುತ್ತದೆ.