ساخت آسان تر تراشه‌های شبه مغز به کمک ممریستورها
ممریستورها می‌توانند امیدوارکننده‌ترین وسائل برای ساخت تراشه های مغزی مشابه با مغز انسان باشد.ممریستورها، دستگاه‌های الکترونیکی عجیبی هستند که در سال 2008 ایده تئوری آن‌ها عملی گردید. این دستگاه‌ها برای ساخت تراشه ی استفاده شده‌اند که نحوه طراحی خود را از مغز اقتبا س می‌کند. نمونه اولیه این تراشه، نمی‌توانست کاری سخت‌تر از تشخیص الگوهای بسیار ساده سیاه و سفید را یاد بگیرد. اما نسخه های پیچیده تر، ممکن است فهم رایانه از صدا، تصویر و جهان اطرافش را بهبود دهند.
به گزارش مرکز روابط عمومی و اطلاع رسانی معاونت علمی و فناوری ریاست جمهوری - بخش " انبیک " -مدارتراشه،ساخته شده توسط محققان دانشگاه سانتا باربارا کالیفرنیا (University of California, Santa Barbara) و دانشگاه استونی بروک (Stony Brook University)،داده‌ها را با عناصری پردازش می‌کند که عملکرد نورون و سیناپس مغز را تقلید می‌نماید. هنگامی که چنین شبکه‌ای در معرض داده جدیدی قرار می‌گیرد، مانند یک سیناپس متصل کننده دو نورون، می تواند یاد بگیرد.
نسخه‌های نرم‌افزاری شبکه های عصبی مصنوعی برای مدت زمان زیادی در حاشیه بوده‌اند، و بزرگترین آنان در تشخیص صدا و صورت از شرکت هایی نظیر گوگل به تازگی به موفقیت دست یافته‌اند. اما چنین شبکه‌های عصبی شبیه‌سازی شده‌ای به کامپیوترهای مرسوم فشار می‌آورند. به عنوان مثال در یک آزمایش گوگل، یک شبکه عصبی بزرگ به کامپیوترآموزش داده شد تا بتواند گربه را از تصاویر ویدئویی شناسایی کند. این آزمایشبه کمک 16000 پردازشگر در طول سه روز اجرا شد. در عوض ساخت فیزیکی یک شبکه عصبی بر روی تراشه، پردازش این نوع اطلاعات را می‌تواندبسیار کارآمدتر و عملی‌تر انجام دهد.
تراشه‌های شبه‌مغز یا نئورومورفیک(neuromorphic)پیش از این ساخته شده بودند و آی‌بی‌اِم نیز برای تجاری‌سازی آن‌ها تلاش کرده بود. آن‌ها معمولا از ترانزیستورهای سیلیکونی و مدارهای دیجیتالی مشابهی که پردازشگرهای معمول کامپیوتر را می‌سازد، استفاده می‌کنند.دمیتری استروکوف[1]، استادیار دانشگاه سانتا باربارا، که کار بر روی تراشه ممریستور جدیدی را پیشمی‌برد، اعتقاد دارد آن عناصر دیجیتالی برای مشابه سازی سیناپس مناسب نیستند. ترانزیستورها و مدارهای دیجیتالی زیادی مورد نیاز هستند تا یک سیناپس واحد را نشان دهند. به عکس، هر 100 سیناپس بر روی تراشه دانشگاه سانتا باربارا، تنهابا استفاده از یک ممریستورنشان داده می‌شود.
استروکوف می‌گوید: «یک سیناپس زیستی، مشابه یک حافظه آنالوگ است و راه خوبی برای پیاده سازی فشرده و مقرون به صرفه آن با فناوری مرسوم وجود ندارد. اما ممریستورها خودشان یک حافظه آنالوگ هستند؛ و این یک سازگاری عالی است.»
روبرت لِگِن‌اِستِین[2]، استادیار دانشگاه فناوری گِراز (Graz University of Technology) در این باره عقیده خودش را بدین صورت توصیف می‌نماید: «اگر این طراحی بتواند به شبکه‌های بزرگ افزایش مقیاس دهد، بر روی آینده محاسبات شناختی اثر خواهد گذاشت.... لپ‌تاپ ها، گوشی‌های همراه و ربات‌ها می‌توانند تراشه‌های نئورومورفیک با مصرف بسیار پایین انرژی داشته باشند که بتواند صدا، تصویر و هر نوع اطلاعات حسی را پردازش نماید.»
ممریستوردر سال ۱۹۷۱ به صورت ریاضی توسط لئون چوآ[3]، پروفسور الکترونیک دانشگاه بِرکلی کالیفرنیا(Berkley) مطرح شد. این ایده در سال ۲۰۰۸ به عمل انجامید. ممریستور یا مموری رزیستور یک عضو الکتریکی دارای ۲ ترمینال است که در آن یک ارتباط کاربردی بین بار الکتریک و شار مغناطیسی برقرار است. وقتی جریان از یک جهت وارد همین وسیله شود، مقاومت الکتریکی افزایش می‌یابد و وقتی جریان از جهت مخالف وارد شود، مقاومت کاهش می‌یابد.اما زمانیکه جریان متوقف شد این جزء مدار آخرین مقاومتی را که داشته است حفظ می‌کند و وقتی دوباره جریان بار شروع می‌شود، مقاومت مدار به میزان آخرین زمان فعالیت خواهد بود.
هِوِلت-پَکارد (Hewlett-Packard) و سازنده حافظه اِس‌کی هینیکس (SK Hynix) در سال 2010 تلاش خود را برای تجاری‌سازی ممریستور آغاز کردند. هِوِلت-پَکارد معتقد است این فناوری اساس معماری کامپیو تر را تغییر می‌دهد. اما تاکنون، هیچ کس نتوانسته استتراشه‌های شبکه عصبی با ممریستوربسازد. گروه استروکوف راهی را برای کنترل فرآیند ساخت ممریستور توسعه داده‌اند تا وسایلی با اعتمادپذیری بیشتری نسبت به گذشته تولید کنند.
تراشه ساده گروه دانشگاه سانتا باربارا، تنها مفهوم قضیه را اثبات می‌کند. اما محققان اعتقاد دارند تکنیک آن‌ها می‌تواند به مقیاس بزرگ‌تر (دستگاه‌های بسیار قدرتمندتر) برود.استروکوف می‌گوید فناوری می‌تواند از تلاش‌های شرکت‌هایی نظیر هِوِلت-پَکارد و اِس‌کی هینیکس در تجاری‌سازی ممریستورها برای ذخیره سازی داده استفاده کند.منبع: معاونت علمی و فناوری ریاست جمهوری
تاریخ درج : سه شنبه ۳۰ تير ماه ۱۳۹۴
کلیه‌ی حقوق مادی و معنوی این وب سایت متعلق به شاه توت سیستم می‌باشد
امیر مشهدیshahtootsystem.irshahtootsystem.ir - ساشافخخفسغسفثئ.هق - صصص.ساشافخخفسغسفثئ.هق