محققان سال ها در تلاش برای ساخت سیناپس های مصنوعی به امید نزدیک شدن به عملکرد محاسباتی بی رقیب مغز انسان بودند. اکنون یک رویکرد جدید موفق به طراحی مواردی شده است که 1,000 برابر کوچکتر و 10,000 برابر سریعتر از همتایان بیولوژیکی خود هستند.
با وجود موفقیت فراری از یادگیری عمیق در طول دهه گذشته، این رویکرد الهام گرفته از مغز به AI با این چالش مواجه است که روی سخت افزاری اجرا می شود که شباهت کمی به مغزهای واقعی دارد. این بخش بزرگی از دلیل این است که چرا یک مغز انسان با وزن تنها سه پوند می‌تواند وظایف جدید را در چند ثانیه با همان قدرت لامپ انجام دهد، در حالی که آموزش بزرگترین شبکه‌های عصبی هفته‌ها، مگاوات ساعت برق و قفسه‌ها طول می‌کشد. پردازنده های تخصصی
این باعث علاقه فزاینده به تلاش‌ها برای طراحی مجدد سخت‌افزار زیربنایی هوش مصنوعی می‌شود. ایده این است که با ساخت تراشه‌های رایانه‌ای که اجزای آنها بیشتر شبیه نورون‌ها و سیناپس‌های طبیعی عمل می‌کنند، ممکن است بتوانیم به فضای فوق‌العاده و بهره‌وری انرژی مغز انسان نزدیک شویم. امید این است که این پردازنده‌های به اصطلاح «نورومورفیک» بتوانند برای اجرای هوش مصنوعی بسیار بهتر از امروزی مناسب باشند. تراشه های رایانه ای.
اکنون محققان MIT نشان داده‌اند که طراحی غیرمعمول سیناپس مصنوعی که اتکای مغز به یون‌های جابه‌جایی را تقلید می‌کند، می‌تواند به طور قابل توجهی از طراحی‌های بیولوژیکی بهتر عمل کند. پیشرفت کلیدی یافتن ماده‌ای بود که میدان‌های الکتریکی شدید را تحمل می‌کرد، که به طور چشمگیری سرعت حرکت یون‌ها را بهبود بخشید.
"مورات اونن، که این تحقیق را رهبری می‌کرد، مطمئناً سرعت شگفت‌آور بود. گفت: در آزادی مطبوعات. "به طور معمول، ما چنین میدان های شدید را در بین دستگاه ها اعمال نمی کنیم تا آنها را به خاکستر تبدیل نکنیم. اما در عوض، پروتون‌ها [که معادل یون‌های هیدروژن هستند] با سرعت‌های فوق‌العاده‌ای در سراسر پشته دستگاه جابه‌جا شدند، به‌ویژه میلیون‌ها برابر سریعتر از آنچه قبلاً داشتیم.
در حالی که وجود دارد a روش‌های متنوعی برای مهندسی نورومورفیک، یکی از امیدوارکننده‌ترین آنها، محاسبات آنالوگ است. این به دنبال طراحی اجزایی است که می توانند از فیزیک داخلی خود برای پردازش اطلاعات استفاده کنند، که بسیار کارآمدتر و مستقیم تر از انجام عملیات منطقی پیچیده مانند تراشه های معمولی است.
تاکنون تحقیقات زیادی بر روی طراحی متمرکز شده است.ممریستورها” - اجزای الکترونیکی که جریان جریان را بر اساس مقدار باری که قبلاً جریان داشته است کنترل می کنندed از طریق دستگاه این روشی را تقلید می کند که ارتباط بین نورون های بیولوژیکی بسته به فرکانس ارتباط آنها افزایش یا کاهش می یابد، به این معنی که این دستگاه ها در اصل می توانند برای ایجاد شبکه هایی با خواص مشابه با شبکه های عصبی بیولوژیکی استفاده شوند.
شاید جای تعجب نباشد که این دستگاه ها اغلب با استفاده از فناوری های حافظه ساخته می شوند. اما در جدید کاغذ در علم, محققان MIT استدلال می‌کنند که اجزای بهینه‌سازی شده برای ذخیره‌سازی اطلاعات طولانی‌مدت در واقع برای انجام انتقال‌های حالت منظم مورد نیاز برای تنظیم مداوم نقاط قوت اتصال در یک شبکه عصبی مصنوعی مناسب نیستند. به این دلیل که ویژگی‌های فیزیکی که زمان‌های ماندگاری طولانی را تضمین می‌کنند، معمولاً با مواردی که امکان سوئیچینگ با سرعت بالا را فراهم می‌کنند، مکمل نیستند.
به همین دلیل است که محققان در عوض قطعه‌ای طراحی کرده‌اند که رسانایی آن با وارد کردن یا حذف پروتون‌ها در کانالی از شیشه فسفوسیلیکات (PSG) تنظیم می‌شود. تا حدی، این رفتار سیناپس‌های بیولوژیکی را تقلید می‌کند، که از یون‌ها برای انتقال سیگنال‌ها در فاصله بین دو نورون استفاده می‌کنند.
با این حال، این جایی است که مشابهتمی نماید پایان. این دستگاه دارای دو پایانه است که در اصل ورودی و خروجی سیناپس هستند. ترمینال سوم برای اعمال میدان الکتریکی استفاده می شود که پروتون ها را تحریک می کند تا از یک مخزن به کانال PSG یا برعکس بسته به جهت میدان الکتریکی حرکت کنند. پروتون های بیشتر در کانال مقاومت آن را افزایش می دهد.
محققان آمد با این طراحی کلی در سال 2020، اما دستگاه قبلی آنها از موادی استفاده می کرد که با فرآیندهای طراحی تراشه سازگار نبودند. اما مهمتر از آن، تغییر به PSG سرعت سوئیچینگ دستگاه آنها را به طرز چشمگیری افزایش داده است. این به این دلیل است که منافذ با اندازه نانو در ساختار آن، پروتون ها را قادر می سازد تا خیلی سریع در مواد حرکت کنند، و همچنین به این دلیل است که می تواند در برابر پالس های میدان الکتریکی بسیار قوی بدون تخریب مقاومت کند.
میدان‌های الکتریکی قوی‌تر به پروتون‌ها سرعت زیادی می‌بخشد و کلید توانایی دستگاه در عملکرد بهتر از سیناپس‌های بیولوژیکی است. در مغز، میدان های الکتریکی باید نسبتا ضعیف نگه داشته شوند، زیرا هر چیزی بیش از 1.23 ولت (V) باعث ایجاد آب می شود.s بخش اعظم سلول ها را به گاز هیدروژن و اکسیژن تقسیم می کند. به همین دلیل است که فرآیندهای عصبی در مقیاس میلی ثانیه رخ می دهند.
در مقابل، دستگاه تیم MIT قادر است تا 10 ولت در پالس های کوتاه 5 نانوثانیه کار کند. این به سیناپس مصنوعی اجازه می دهد تا 10,000 برابر سریعتر از همتای بیولوژیکی خود عمل کندs. علاوه بر این، این دستگاه‌ها تنها نانومتر قطر دارند که آنها را 1,000 برابر کوچکتر از سیناپس‌های بیولوژیکی می‌کند.
کارشناسان گفته شده دانشمند جدید تنظیم سه ترمینال دستگاه، برخلاف دو موردی که در اکثر مدل‌های نورون وجود دارد، ممکن است اجرای انواع خاصی از شبکه‌های عصبی را دشوار کند. این واقعیت که پروتون‌ها باید با استفاده از گاز هیدروژن معرفی شوند نیز چالش‌هایی را در هنگام افزایش این فناوری ایجاد می‌کند.
از یک سیناپس مصنوعی منفرد تا شبکه‌های بزرگی که قادر به انجام پردازش اطلاعات جدی هستند، راه زیادی در پیش است. اما سرعت استثنایی و اندازه کوچک اجزا نشان می دهد که این یک جهت امیدوارکننده در جستجوی سخت افزار جدید است که می تواند با قدرت مغز انسان مطابقت داشته باشد یا حتی از آن فراتر رود.
تصویر های اعتباری: استودیو الا مارو / مورات اونن
