136 名前：AQBiCは分子や細胞、大阪大学は情報系、NECは半導体やIT ry 研究者が連携 ry
「ゆらぎ」を応用し超低消費電 ry
柳田 ry AlphaGO」は、25万W ry 脳は20W ry 神経細胞を生かしておくエネルギーも含まれ ry 脳が休んでいるときと、ものを考えているときの消費エネルギーの差 ry 1W ry 細胞レベルになると、わずか1pW（ピコワット）で約3万の遺伝子情報を制御して人間を成り立たせ ry
柳田 ry 膨大なエネルギーを必要とする1つの原因は、ノイズを遮断 ry 1〜20Wで働く脳、1pWで働く細胞は、ノイズを遮断せずうまく利用 ry 1分子ナノ計測技術を開発し、筋収縮を担うミオシンというモータータンパク質分子 ry ミオシンは熱運動のゆらぎを利用して、集団で自立的に協働 ry
柳田 ry ゆらぎを使ってアトラクター選択 ry 現在のコンピュータはすべてのデータを正確に処理 ry 複雑になるとものすごい計算量 ry 膨大なエネルギー ry
一方、生物は、脳にしても細胞にしても、要素反応はものすごく複雑 ry 膨大な計算 ry 大脳の神経細胞をつなぐシナプスの数は100兆 ry 2の100兆 ry 原子力発電機が何百億基あっても ry 脳は1〜20Wしか使いません。要素反応のすべてを制御しているとは ry 要素反応は独立して起こっているのではなく、熱ノイズと大差ないエネルギーで起こる反応なので、 ゆらぎで干渉し合い自立的に準安定な状態（アトラクター） ry。この数が限られた状態をゆらぎで選択 ry 実際に脳の活動を計測してみると、無意識の状態からさまざまな状態を巡っている ry 何もしてないときでも次の行動をする可能性があるアトラクターを準備しておき、 その間をふらふらしながらフィットするアトラクターを選ん ry
柳田 ry 各素子にノイズを入れて自由にし、かつ素子間の相互作用を働かせ、 限られた数の可能性（状態）を浮かび上がらせ、それを選択 ry
卑近な例 ry 味噌汁 ry 対流現象でパターン ry 境界条件や温度といったマクロなパラメータで制御 ry 分子レベルの詳細を知らなくても、マクロな熱力学パラメータでエンジンをデザイン、制御 ry 単純な仕組 ry []
