非従来型コンピューティング

計算モデルは、入力が与えられたときに数学関数の出力がどのように計算されるかを記述します。このモデルは、計算、メモリ、通信の単位がどのように組織されているかを記述します。^{[ 3 ]}アルゴリズムの計算複雑度は、計算モデルに基づいて測定できます。モデルを使用することで、特定の実装や特定のテクノロジーに特有の変動とは独立して、アルゴリズムのパフォーマンスを研究することができます。

様々なモデルが一般的に用いられており、中には（理想化された）従来のコンピュータの動作に酷似したものもあれば、そうでないものもある。よく用いられるモデルとしては、レジスタマシン、ランダムアクセスマシン、チューリングマシン、ラムダ計算、書き換えシステム、デジタル回路、セルオートマトン、ペトリネットなどが挙げられる。

歴史的に見ると、トランジスタが登場する以前は、産業分野では機械式コンピュータが使用されていた。

機械式コンピュータは、研究分野とアナログコンピュータの両方において、今日でも一定の関心を集めている。ビリヤードボールコンピュータのように理論​​的または教育的な意義を持つ機械式コンピュータもあれば、MONIACやウォーターインテグレータのような油圧式コンピュータは効果的に利用された。^{[ 4 ]}

アナログコンピュータは、連続的な物理量であるアナログ信号を使用して問題をモデル化および解決するタイプのコンピュータです。これらの信号は、電気的、機械的、または油圧的性質を持つ場合があります。アナログコンピュータは、科学および産業用途で広く使用され、当時はデジタルコンピュータよりも高速な場合が多かった。しかし、1950 年代と 1960 年代に時代遅れになり始め、現在では航空機の飛行シミュレータや大学の教育制御システムなどの特定の用途で主に使用されています。^{[ 5 ]}アナログ計算デバイスの例としては、計算尺、ノモグラム、プロセス制御および保護リレー用の複雑なメカニズムなどがあります。^{[ 6 ]}惑星と月の位置を計算する機械装置であるアンティキティラ機構と、任意の2 次元形状の面積を計算する機械積分器であるプラニメーターも、アナログ計算の例です。

現代のコンピュータのほとんどは、フォン・ノイマン型アーキテクチャに基づく電子コンピュータであり、トランジスタの発明とムーアの法則のスケーリングによって、高度な集積化が可能になった。

非従来型コンピューティングは、（非線形研究センターのウェブサイトで発表された会議「非従来型コンピューティング：クォ・ヴァディス？」（2007年3月21日～23日、米国ニューメキシコ州サンタフェ）^{[ 7 ]}によると、「半世紀以上にわたりコンピュータ科学を支配してきたフォン・ノイマン型コンピュータ・アーキテクチャやチューリング・マシンなどの標準モデルを充実させるか、それを超えることを主な目標とする学際的な研究分野」である。これらの手法は、非標準的なパラダイムに基づいて計算操作をモデル化しており、現在、ほとんどが研究開発段階にある。

このコンピューティング動作は、従来のシリコンベースのマイクロトランジスタや固体コンピューティング技術を用いて「シミュレート」することは可能ですが、目指すのは新しいタイプのコンピューティングの実現です。

ビリヤードボールコンピュータは、球状のビリヤードボールの動きを利用して計算を行う機械式コンピュータの一種です。このモデルでは、ブール回路の配線はボールが移動する経路で表され、経路上にボールが存在するか存在しないかがその配線上の信号を符号化し、ゲートは経路が交差する点でのボールの衝突によってシミュレートされます。^{[ 8 ] [ 9 ]}

ドミノコンピュータは、デジタル信号の増幅や論理ゲートを表現するためにドミノを立てて使用する機械式コンピュータです。これらの構造はデジタル概念を実証するために使用でき、単純な情報処理モジュールを構築するためにも使用できます。^{[ 10 ] [ 11 ]}

ビリヤードボールコンピュータとドミノコンピュータはどちらも、物理的な物体を用いて計算を行う、従来とは異なる計算方法の例である。

リザーバーコンピューティングは、リカレントニューラルネットワーク理論から派生した計算フレームワークであり、リザーバーと呼ばれる固定された非線形システムのダイナミクスを通じて入力信号を高次元の計算空間にマッピングします。仮想または物理的なリザーバーは、リカレントループで接続された個々の非線形ユニットで構成されており、情報を格納できます。リザーバーのダイナミクスは固定されているため、トレーニングは読み出し段階でのみ実行され、このフレームワークでは、古典力学と量子力学の両方の自然界に存在するシステムを使用して、実効計算コストを削減できます。リザーバーコンピューティングの重要な利点の1つは、シンプルで高速な学習アルゴリズムと、物理的なリザーバーによるハードウェア実装を可能にすることです。^{[ 12 ] [ 13 ]}

タンジブルコンピューティングとは、デジタル情報との対話のためのユーザーインターフェースとして物理的なオブジェクトを使用することを指します。このアプローチは、コラボレーション、学習、および設計を促進するために、人間が物理的なオブジェクトをつかんで操作する能力を活用することを目的としています。タンジブルユーザーインターフェースの特徴には、物理​​的な表現と基盤となるデジタル情報の結合、および対話型制御のためのメカニズムの具現化が含まれます。^{[ 14 ]}タンジブルユーザーインターフェースには、空間における入力と出力の両方を多重化できる能力、インターフェースコンポーネントへの同時アクセスと操作、強力な特定デバイス、空間認識コンピューティングデバイス、およびデバイスの空間再構成可能性を含む、5 つの定義特性があります。^{[ 15 ]}

「人間計算機」という用語は、多くの場合チームで作業し、定められた規則に従って手作業で数学的計算を行う個人を指します。過去には、長くて退屈な計算を行うためにチームが雇用され、作業は分割されて並行して完了されました。この用語は、最近では、暗算能力に優れた個人、いわゆる暗算士を表すためにも使用されています。^{[ 16 ]}

人間とロボットの相互作用、またはHRIは、人間とロボットの間の相互作用を研究する学問です。人工知能、ロボット工学、心理学などの分野からの貢献が含まれます。協働ロボット（コボット）は、共有空間内で人間と直接相互作用するように設計されており、情報提供、物流、産業環境における人間工学に基づかない作業など、さまざまなタスクに使用できます^{[ 17 ] 。}

群ロボット工学は、複数のロボットをシステムとして協調および制御することに焦点を当てた研究分野です。社会性昆虫に見られる創発的行動に触発された群ロボット工学では、比較的単純な個々のルールを使用して、局所的な通信と環境との相互作用を通じて複雑な集団行動を生み出します。^{[ 18 ]}このアプローチは、多数の単純なロボットを使用することを特徴とし、無線周波数や赤外線などの局所的な通信方法を使用することで拡張性を促進します。

光コンピューティングは、レーザーや非干渉光源によって生成される光波をデータ処理、保存、通信に利用するコンピューティングの一種です。この技術は、電子を使用する従来のコンピュータよりも高い帯域幅を提供する可能性を秘めていますが、光電子デバイスは、電子エネルギーを光子に変換し、またその逆を行う過程でかなりのエネルギーを消費する可能性があります。全光コンピュータは、これらの変換の必要性を排除し、電力消費を削減することを目指しています。^{[ 19 ]}光コンピューティングの応用例としては、物体検出、追跡、分類に使用できる合成開口レーダーや光相関器などがあります。^{[ 20 ] [ 21 ]}

スピントロニクスは、固体デバイスにおける電子の固有スピンと磁気モーメントの利用を扱う研究分野です。^{[ 22 ] [ 23 ] [ 24 ]}従来の電子工学とは異なり、電子のスピンを自由度として利用することで、データストレージやデータ転送^{[ 25 ]}、量子コンピューティングやニューロモルフィックコンピューティングへの応用が期待されています。スピントロニクスシステムは、希薄磁性半導体やホイスラー合金を用いて作られることが多いです。

アトムトロニクスは、超低温原子をコヒーレントな物質波回路で使用するコンピューティングの一形態であり、電子システムや光学システムに見られるものと同様のコンポーネントを持つことができます。^{[ 26 ] [ 27 ]}これらの回路は、基礎物理学の研究や、センサーや量子コンピューターなどの実用的なデバイスの開発など、いくつかの分野で応用される可能性があります。

流体工学、または流体論理とは、電磁干渉や電離放射線などの高レベルの環境下で電子機器の信頼性が低下する可能性がある状況において、流体力学を利用してアナログまたはデジタル演算を実行する技術です。流体デバイスは可動部品を使用せず、電子デジタル論理におけるトランジスタと同様に非線形増幅を利用できます。流体工学はナノテクノロジーや軍事用途にも応用されています。

量子コンピューティングは、おそらく最もよく知られ、発展した非従来型の計算方法であり、重ね合わせやエンタングルメントなどの量子力学の原理を利用して計算を実行するタイプの計算です。^{[ 28 ] [ 29 ]}量子コンピュータは、古典的なビットに似ているが、同時に複数の状態に存在することができる量子ビットを使用して演算を実行します。現在の量子コンピュータは、実用的なアプリケーションではまだ古典的なコンピュータを上回っていないかもしれませんが、整数因数分解などの特定の計算問題を古典的なコンピュータよりもはるかに速く解決できる可能性があります。しかし、量子ビットの量子状態を維持することの難しさや誤り訂正の必要性など、実用的な量子コンピュータを構築するにはいくつかの課題があります。^{[ 30 ] [ 31 ]}量子複雑性理論は、量子コンピュータに関して問題の計算複雑性を研究するものです。

ニューロモルフィック量子コンピューティング^{[ 32 ] [ 33 ]}（「n.quantum computing」と略される）は、ニューロモルフィックコンピューティングを使用して量子演算を実行する非従来型のコンピューティングです。量子アルゴリズム（量子計算の現実的なモデル上で実行されるアルゴリズム）は、ニューロモルフィック量子コンピューティングで同等の効率で計算できることが示唆されています。^{[ 34 ] [ 35 ] [ 36 ] [ 37 ] [ 38 ]}

従来の量子コンピューティングとニューロモルフィック量子コンピューティングはどちらも、計算に対する物理ベースの非従来型のコンピューティングアプローチであり、フォン・ノイマンアーキテクチャには従っていません。どちらも、目の前の物理的な問題を表すシステム（回路）を構築し、システムのそれぞれの物理的特性を利用して「最小値」を探します。ニューロモルフィック量子コンピューティングと量子コンピューティングは、計算中に類似した物理的特性を共有します^{[ 38 ] [ 39 ]}。

超伝導コンピューティングは、超伝導体の持つ特異な特性（抵抗ゼロの配線や超高速スイッチングなど）を利用して、単一の磁束量子を用いてデータを符号化、処理、伝送する極低温コンピューティングの一種です。量子コンピューティングでよく用いられ、動作には極低温への冷却が必要です。

マイクロ電気機械システム（MEMS）とナノ電気機械システム（NEMS）は、マイクロメートルからナノメートルまでのサイズに及ぶ可動部品を備えた微細なデバイスを使用する技術です。これらのデバイスは通常、中央処理装置（集積回路など）と、センサーなど周囲と相互作用する複数のコンポーネントで構成されています。^{[ 40 ]} MEMSとNEMS技術は、表面化学や周囲の電磁気および流体力学の影響などの要素も考慮するという点で、分子ナノテクノロジーや分子エレクトロニクスとは異なります。これらの技術の応用例としては、加速度計や化学物質を検出するためのセンサーなどがあります。^{[ 41 ]}

分子コンピューティングは、化学反応を利用して計算を実行する、従来とは異なるコンピューティングの形態です。データは化学濃度の変化によって表現され、^{[ 42 ]}このタイプのコンピューティングの目標は、単一分子などの最小の安定構造を電子部品として使用することです。化学コンピューティングまたは反応拡散コンピューティングとしても知られるこの分野は、分子を使用して材料のバルク特性に影響を与える導電性ポリマーや有機エレクトロニクスの関連分野とは異なります。

ペプチドコンピューティングは、ペプチドと抗体を使用してNP完全問題を解決する計算モデルであり、計算的に普遍的であることが示されています。DNAコンピューティングに比べて、より多くの構成要素やより柔軟な相互作用などの利点がありますが、特定のモノクローナル抗体の入手可能性が限られているため、まだ実用化されていません。^{[ 43 ] [ 44 ]}

DNAコンピューティングは、DNAと分子生物学のハードウェアを用いて計算を行う、従来とは異なるコンピューティングの一分野です。これは並列コンピューティングの一種であり、従来の電子コンピュータよりも高速かつ効率的に特定の特殊な問題を解決できます。DNAコンピューティングは計算可能性理論の観点から新たな機能を提供するものではありませんが、多数の並列計算を同時に実行できます。しかし、DNAコンピューティングは処理速度が遅く、デジタルコンピュータに比べて結果の分析がより困難です。

膜コンピューティング（Pシステムとも呼ばれる）^{[ 45 ]}は、生体膜の構造と機能に基づいた分散並列コンピューティングモデルを研究するコンピュータサイエンスのサブ分野です。これらのシステムでは、シンボルや文字列などのオブジェクトが膜によって定義された区画内で処理され、区画間および外部環境との通信が計算において重要な役割を果たします。Pシステムは階層的であり、領域内および領域間のオブジェクトの生成、消費、移動を規定するルールによってグラフィカルに表現できます。これらのシステムは大部分が理論的なものにとどまっていますが^{[ 46 ]} 、 NP完全問題を解決する可能性が示されており、非従来型コンピューティングのハードウェア実装として提案されているものもあります。

ニューロモルフィックコンピューティングは、人間の神経系に見られる神経生物学的構造を模倣するために電子回路を使用し、生物学的なものにヒントを得た人工神経システムを作成することを目標としています。^{[ 49 ] [ 50 ]これらのシステムは、メモリス​​タ[ 51 ]} 、スピントロニクスメモリ、トランジスタ^{[ 52 ] [ 53 ]}などのさまざまなハードウェアを使用して実装でき、エラーバックプロパゲーション^{[ 54 ]や標準的な学習ルール[ 55 ]}など、さまざまなソフトウェアベースのアプローチを使用してトレーニングできます。ニューロモルフィックエンジニアリングの分野では、人工神経システムの設計と構造が、その計算、情報の表現、適応性、および全体的な機能にどのように影響するかを理解し、最終的には自然界に見られるものと同様の特性を示すシステムを作成することを目指しています。生きたニューロンで構成されるウェットウェアコンピュータは、限られたプロトタイプで研究されてきたニューロモルフィックコンピューティングの概念的な形態です。^{[ 56 ]}電子顕微鏡はすでに高解像度の解剖学的神経接続図を画像化しており、^{[ 57 ]}半導体チップベースの大規模な細胞内記録により、接続の種類と強度を指定する物理的な神経接続マップを生成できます。^{[ 58 ]}これらの画像化および記録技術は、ニューロモルフィックシステムの設計に役立ちます。

セルオートマトンとは、オンとオフなど有限個の状態を持つセルのグリッドで構成される離散的な計算モデルです。各セルの状態は、セルとその隣接セルの状態に基づく固定ルールによって決定されます。セルオートマトンには、均質性に安定するパターンから、極めて複雑になりチューリング完全になる可能性のあるものまで、4つの主要な分類があります。アモルファスコンピューティングとは、物理的な基盤に関係なく、計算能力が限られ、局所的な相互作用を持つ多数の並列プロセッサを使用する計算システムの研究を指します。自然界に存在するアモルファスコンピューティングの例は、発生生物学、分子生物学、ニューラルネットワーク、化学工学に見られます。アモルファスコンピューティングの目標は、アモルファスアルゴリズムを抽象化として特徴付けることを通じて、新しいシステムを理解し、設計することです。

進化計算は、生物の進化にヒントを得たアルゴリズムを用いて、幅広い問題に対する最適な解を見つける人工知能およびソフトコンピューティングの一種です。この手法では、まず候補となる解の初期セットを生成し、望ましくない解を確率的に除去し、小さなランダムな変更を加えて新しい世代を生成します。解の集団は、自然選択または人工選択と突然変異を受け、選択された適応度関数に従って適応度の向上へと進化します。進化計算は様々な問題設定において有効であることが証明されており、コンピュータ科学と進化生物学の両方に応用されています。

三値演算は、より一般的な二進法ではなく、三値論理（基数3）を用いて計算を行うタイプの演算です。三値コンピュータは、トリット（三値桁）を使用します。トリットは、不均衡三値、分数不均衡三値、均衡三値、未知状態論理など、いくつかの方法で定義できます。三値量子コンピュータは、トリットの代わりにキュートリットを使用します。三値演算は二進コンピュータにほぼ取って代わられましたが、ジョセフソン接合を均衡三値メモリセルとして使用する高速・低消費電力デバイスでの使用が提案されています。

可逆計算は、計算プロセスをある程度逆行させることができる非従来型の計算の一種です。計算が可逆であるためには、状態とその後継状態との関係が1対1でなければならず、プロセスによって物理的エントロピーが増加してはなりません。量子回路は、量子状態を崩壊させない限り可逆であり、可逆関数は全単射、つまり入力の数と出力の数が同じです。^{[ 60 ]}

カオスコンピューティングは、カオスシステムを利用して計算を行う、従来とは異なるコンピューティング手法です。カオスシステムは論理ゲートの生成に利用でき、異なるパターン間を高速に切り替えることができるため、耐障害性アプリケーションや並列コンピューティングに役立ちます。カオスコンピューティングは、気象学、生理学、金融など、さまざまな分野に応用されています。

確率的計算は、連続値をランダムなビット列として表現し、そのビット列に対して単純なビット演算を用いて複雑な演算を実行する計算手法です。アナログとデジタルのハイブリッドコンピュータと見なすことができ、ビット列が長くなるにつれて計算精度が向上するという漸進的な精度特性が特徴です。確率的計算は反復システムにおいて収束速度を速めるために利用できますが、ランダムなビット列の生成が必要となるためコストが高く、ビット列が独立しているという前提が満たされない場合は失敗する可能性があります。また、特定のデジタル機能を実行する能力にも限界があります。