دستگاه شبیه ساز مغز با قابلیت پردازش هوش مصنوعی ابداع شد

به گزارش خبرگزاری مهر به نقل از اینترستینگ انجینرینگ، گروهی از محققان بین المللی یک پلتفرم سخت افزار نوروفورمیک توسعه دادند که قادر به ارتقای عملکرد کاربردهای رایانش مبتنی بر هوش مصنوعی است. همچنین این سخت افزار می تواند مصرف انرژی سیستم ها را بهبود بخشد.

دستگاه های نورومورفیک در واقع سیستم های الکترونیکی هستند که برای تقلید از ساختار و عملکرد مغز و سیستم عصبی انسان طراحی شده اند. چنین دستگاه هایی بخشی از رایانش نورومورفیک، یک حوزه پیشرفته متمرکز بر توسعه رایانه های شبیه مغز هستند.

دستگاه های نورومورفیکی که محققان توسعه داده اند بسیار خاص است زیرا می توان از آنها برای بررسی، کنترل و دستکاری مولکول ها برای ساخت یک ماده استفاده کرد. همچنین می توان تغییراتی در مواد در سطح بنیادین ایجاد کرد.

دامیان تامسون یکی از محققان این پژوهش و پروفسور دانشگاه لیمریک در ایرلند در این باره می گوید: این راه حل جدید مزایای زیادی برای تمام کاربردهای رایانشی از مراکز داده پرمصرف تا نقشه های دیجیتالی که بخش زیادی از حافظه را به خود اختصاص می دهند و بازی رایانشی دارد.

پلتفرم پیشنهادی محققان این پژوهش یک مقاومت حافظه دار(memristor)است که نوعی دستگاه نورومورفیک قابل برنامه ریزی است که مانند سیستم حافظه مغز انسان کار می کند. با این وجود دستگاه یک رایانه کاملا مشابه مغز انسان نیست بلکه قطعه ای است که برای ساخت چنین سیستم های رایانشی به کار می رود.

مقاومت حافظه دار از مولکول هایی ساخته شده که ویژگی های الکتریکی آنها براساس مقدار تغییراتی که از آنها می گذرد، تعیین می شود.

دستگاه با الهام از مغز انسان و با استفاده از فرایند طبیعی حرکت اتم ها برای ذخیره سازی اتم ها ابداع شده است. همانطور که مولکول ها به دور شبکه کریستالی خود می چرخند و می جهند، حالت های حافظه جداگانه زیادی ایجاد می کنند.

البته این نخستین پلتفرم نورومورفیک نیست. محققان قبلا نیز چنین دستگاه هایی ابداع کرده بودند اما آنها وضوح رایانشی پایینی داشتند و به همین دلیل فقط قادر به انجام عملیات هایی با دقت کم بودند.

محققان در این باره نوشته اند: محققان ساختار رایانشی زیربنا را دوباره کانسپت سازی کردند تا به وضوح بالای مورد نیاز دست یابند و بارهای کاری با منابع فشرده را با بهره وری انرژی بی سابقه ۴.۱ ترا عملیات در ثانیه بر وات (TOPS/W) انجام دهد.

بنابراین ابزار جدید برخلاف نمونه های قدیمی می تواند فعالیت های رده بالا مانند آموزش شبکه عصبی، پردازش زبان طبیعی و پردازش سیگنال را انجام دهد.