Tópicos em alta
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Computação de DNA recarregável por calor: circuitos lógicos que são redefinidos com um pulso de calor
O DNA não é apenas o portador de informações genéticas - ele também pode ser programado como uma linguagem de pares de bases para construir circuitos que computam. Nas últimas duas décadas, os pesquisadores projetaram portas lógicas de DNA, osciladores e até redes neurais. O desafio é que a maioria desses sistemas é de uso único: uma vez que um circuito é executado, ele volta ao equilíbrio e para de funcionar. Cada nova tarefa requer novos fios de "combustível", criando desperdício e limitando a escalabilidade.
Tianqi Song e Lulu Qian apresentam uma alternativa impressionante: circuitos que recarregam com nada mais do que um breve pulso de calor. Ao amarrar as saídas às suas portas em uma estrutura fechada, as entradas ainda impulsionam a computação por meio do deslocamento do fio, mas após o uso, o aquecimento quebra as ligações fracas enquanto as ligações fortes se mantêm. O resfriamento então restaura o sistema para um estado pronto cineticamente preso, preparado para novas entradas.
A recompensa é grande. Eles demonstram pelo menos 16 rodadas reutilizáveis de computação no mesmo tubo, com reinicializações em minutos. A abordagem é dimensionada para circuitos com mais de 200 espécies de DNA, incluindo redes neurais em que o vencedor leva tudo e um classificador de 100 bits que distingue os dígitos MNIST 6 de 7. O desempenho permanece consistente em todas as reinicializações, com acúmulo mínimo de desperdício.
O resultado é uma espécie de fonte de energia universal para computação molecular - o calor age como a "bateria" que alimenta a lógica, os limites e as redes neurais sem combustíveis personalizados. Ele aponta para um futuro em que os computadores de DNA sustentam comportamentos de longa duração, adaptativos e potencialmente de aprendizado em sistemas químicos autônomos.
Papel:

Melhores
Classificação
Favoritos