从比特到原子，原子到比特
第三数字革命即将到来，某中心机器学习研究奖获得者Neil Gershenfeld正站在这一变革的前沿。
第三数字革命：制造革命
在麻省理工学院比特与原子中心，科学家们研究如何"将数据转化为物体，将物体转化为数据"。该中心主任Gershenfeld将其在形态发生学方面的工作称为"设计的设计"。
三个数字革命：
- 第一个是通信革命，从电话发展到互联网
- 第二个是计算革命，个人电脑和智能手机的普及
- 第三个将是制造革命
计算与物理的融合
"计算机科学是发生在计算机或科学上最糟糕的事情之一，"Gershenfeld说，"计算机科学的经典从根本上是不物理的。"
现代计算架构的创始人John von Neumann和Alan Turing都研究了计算的物理形式。von Neumann研究自复制自动机：计算机如何传达其自身构造。Turing研究形态发生：基因如何产生形式。
设计形态发生学
Turing研究的最后一个课题就是基因如何产生形式，这实际上是生命的核心。
"你的基因组并不存储你有五个手指这一信息。它存储发育程序，"Gershenfeld解释说。
这与机器学习有着深刻的相似性。在形态发生项目中，研究团队一直在研究如何通过搜索发育程序来进行设计。
齿轮设计项目
研究团队选择齿轮设计作为初步测试问题。通过搜索齿轮的算法表示而非显式设计，他们能够重新发现齿轮设计中的世纪经验。
该项目最初受到仿真引擎的限制，促使研究重点从形态发生转向重新审视仿真方法。
通用粒子框架
传统多物理建模面临挑战：
- 从下至上的分子动力学建模难以模拟超过皮秒级别的时间
- 从上至下的偏微分方程建模需要不同类型的求解器
研究团队正在开发一种通用粒子框架，将大约15种不同的粒子系统合成统一的多物理建模方法。
计算资源的使用
研究使用了多种计算资源：
- 内部小型计算集群
- 大学级别的大型集群
- 国家级别超级计算机
- 某机构云服务用于按需快速增加计算周期
未来方向
研究预计将沿着三个方向发展：
- 仿真引擎成熟：将转变为新型物理引擎服务
- 回归设计形态发生：实现物理模型和设计的两层嵌套搜索
- 改变数据中心架构：通过离散组装集成电子项目，让软件改变硬件构造
自动化计算架构
在DICE项目中，目标是通过机器人组装器自动化组装小型计算构建块，显著降低定制计算架构的门槛。
"当这类机器学习系统学习时，它可以在成长过程中学习自己的架构，"Gershenfeld说。
这项研究有望打破当前芯片开发需要数十亿美元投资和三年开发周期的限制，为计算架构创新开辟新途径。
