شفقنا رسانه- گروهی از محققان انستیتو علم و فناوری کره جنوبی یک تراشه یکپارچه مبتنی بر مموری رزیستور(memristor-based integrated chip) ابداع کرده اند که از شیوه فراوری اطلاعات در مغز را تقلید می کند.
به گزارش خبرگزاری مهر به نقل از اینترستینگ انجینرینگ، محققان به رهبری پروفسور «شینهیان چوی» و «یونگ گیو یون» نسل جدید تراشه نورومورفیک را ابداع کرده اند که در حقیقت یک نیمه رسانای بسیار کوچک با قابلیت اصلاح اشتباهات خود است.
تراشه مذکور هم اکنون آماده استفاده در دستگاه های مختلف مانند دوربین های امنیتی هوشمندی است که به طور لحظه ای و بدون اتکا به سرور ابر رایانشی فعالیت های مشکوک را ردیابی و تحلیل می کنند.
این تراشه رایانشی به دلیل توانایی برای یادگرفتن و اصلاح اشتباهاتی که به دلیل کاراکترهای غیرایده آل، یک چالش در دستگاه های نورومورفیک، به وجود می آیند، قابل توجه است. به عنوان مثال این تراشه هنگام پردازش پخش زنده ویدئو می تواند به طور خودکار اشیای متحرک را از پس زمینه جدا کند و جالب آنکه عملکرد آن با گذر زمان ارتقا می یابد.
این تراشه خودآموز با دستیابی به دقتی مشابه شبیه سازی های رایانشی در پردازش عکس، قابلیت های خارق العاده خود را نشان داد. کلید اصلی موفقیت محققان در این تحقیق در ایجاد سیستمی نهفته که نه تنها مورد اعتماد است، بلکه عملکرد خوبی دارد.
به طور دقیق تر قلب این نوآوری یک دستگاه نیمه رسانا نسل آینده به نام مموری رزیستور است. این دستگاه ویژگی های مقاومتی مختلفی دارد که نقش سیناپس ها در شبکه های عصبی را تقلید و قابلیت ذخیره سازی و رایانش همزمان داده ها را مانند عملکرد سلول های مغز انسان فراهم می کنند.
مموری رزیستور به طور دقیق میزان مقاومت را کنترل و یک سیستم کارآمد ایجاد می کند که نیاز به جبران اشتباهات پیچیده را از طریق خودآموزی برطرف می کند. این تحقیق از آن جهت اهمیت دارد که پتانسیل تجاری سیستم نورومورفیک نسل بعدی را برای یادگیری و استنتاج لحظه ای نشان می دهد.
پلتفرم های مبتنی بر مموری رزیستور به دلیل توانایی در انجام فعالیت های رایانشی موازی در حوزه آنالوگ اهمیت زیادی دارند اما سیستمهای مبتنی بر مموری رزیستور در پیادهسازی الگوریتمهای هوش مصنوعی در زمان واقعی با یادگیری روی دستگاه به دلیل مشکلات قابلیت اطمینان مانند عملکرد کم، یکنواختی ضعیف و مشکلات استقامتی با چالشهایی مواجه هستند.اکنون فناوری نوین نحوه ادغام هوش مصنوعی را در دستگاههای روزمره تغییر می دهد و وظایف هوش مصنوعی را در محل پردازش می کند. تحقیق پیش رو نشان داد که این امر اتکا به سرورهای ابر رایانشی راه دور را کاهش میدهد و دستگاهها را سریعتر، ایمنتر و کارآمدتر میکند.
این تحقیق در نشریه نیچر الکترونیکس منتشر شده است.
