ابداع تراشه ای شبیه به سیناپس های مغزی
مهندسان در MIT موفق به طراحی تراشهای شدهاند که درست مانند اتصالات مغزی عمل میکند، یعنی دارای اتصالات یا سیناپسهای مصنوعی است. در حال حاضر مغز انسان از هر رایانهای دیگری در جهان قدرتمندتر است، از ۸۰ میلیارد نورون برخوردار است و بالای ۱۰۰ تریلیارد سیناپس دارد که نورونها را به یک دیگر متصل ساخته و عبور و مرور سیگنال ها را کنترل میکند.
بازدید :
زمان تقریبی مطالعه :
تاریخ : سه شنبه 1397/01/14 ساعت 09:24
زینب شاه مرادی - مرکز یادگیری تبیان
به گزارش بیگ بنگ به نقل از همشهری، عملکرد تراشههای کنونی رایانهای براساس ارسال سیگنالها به زبان دودوئی است، هر بخش از اطلاعات به صفر و یک کدگذاری میشوند، یا سیگنالهای خواموش/روشن. برای مقایسه این روند با عملکرد مغز در سال ۲۰۱۳ یکی از قدرتمندترین ابررایانه های جهان فعالیت مغز را شبیه سازی کرد و نتایج بسیار ناچیزی به دست آورد. در این آزمایش ابررایانه K با استفاده از ۸۲۹۴۴ پردازشگر و یک پتابایت حافظه اصلی (برابر مجموع حافظه ۲۵۰ هزار رایانه خانگی) مورد استفاده قرار گرفت.
در چنین شرایطی، شبیه سازی یک ثانیه از فعالیت ۱٫۷۳ میلیارد نورون که توسط ۱۰٫۴ تریلیارد سیناپس به یکدیگر متصل شده بودند، ۴۰ دقیقه زمان صرف کرد. اما اگر تراشهها از اتصالات شبه سیناپسی برخوردار باشند، امکان انتقال تنوع بیشتری از سیگنالها توسط رایانه به وجود خواهد آمد و زمینه آموزش شبه سیناپسی فراهم خواهد شد.
سیناپسها واسطه میان سیگنالهای ارسال شده به سوی مغز هستند و نورونها متناسب با تعداد و نوع یونهایی که در سرتاسر سیناپسها جاری هستند فعال میشوند. این روند به مغز در تشخیص الگوها، به خاطر سپردن حقایق و انجام وظایف کمک میکند. شبیهسازی این فرایند تا به امروز کار دشواری بوده است، اما محققان MIT اکنون تراشهای را طراحی کردهاند که از سیناپسهای مصنوعی از جنس ژرمانیوم سیلیکونی برخوردار است و امکان کنترل دقیق قدرت جریان الکتریکی جاری درون تراشهها را فراهم میکند، درست مانند کنترل یونهای جاری در میان نورونها.
محققان برای ایجاد این تراشه شبکهای از ژرمانیوم سیلیکون ایجاد کردند، که از کانالی یکبعدی برای عبور یونها برخوردار بود تا عبور یونها از مسیری ثابت و همیشگی تضمین شود. از این شبکه برای ساخت تراشهای نورومورفیک استفاده شد: زمانی که جریان برق وارد تراشه میشد، تمامی سیناپسها جریانی ثابت را نمایش میدادند، و نوسان جریان در آن تنها چهار درصد بود. نوسان جریان در یک تک سیناپس نیز به بیش از یک درصد نمیرسید.
در یک عملیات شبیهسازی از این تراشه برای شناسایی نمونههای دستخط استفاده شد و تراشه توانست اینکار را با دقتی ۹۵ درصدی انجام دهد. شبکه عصبی آزمایش شده، متشکل از سه لایه از صفحات عصبی که توسط دو لایه سیناپس مصنوعی از هم جدا شده بودند، توانست ده ها هزار دستخط را با دقت ۹۵ درصدی از یکدیگر تشخیص دهد. قدم بعدی ساخت تراشهای است که خود به تنهایی از قدرت تشخیص دادن نمونههای خطی از یک دیگر برخوردار است و در نهایت این پژوهش قرار است به ساخت ابزارهای شبکه عصبی قابل حمل منتهی شود. تراشهای به اندازه سر انگشت که بتواند کار یک ابر رایانه را انجام دهد.
منبع: https://bigbangpage.com
به گزارش بیگ بنگ به نقل از همشهری، عملکرد تراشههای کنونی رایانهای براساس ارسال سیگنالها به زبان دودوئی است، هر بخش از اطلاعات به صفر و یک کدگذاری میشوند، یا سیگنالهای خواموش/روشن. برای مقایسه این روند با عملکرد مغز در سال ۲۰۱۳ یکی از قدرتمندترین ابررایانه های جهان فعالیت مغز را شبیه سازی کرد و نتایج بسیار ناچیزی به دست آورد. در این آزمایش ابررایانه K با استفاده از ۸۲۹۴۴ پردازشگر و یک پتابایت حافظه اصلی (برابر مجموع حافظه ۲۵۰ هزار رایانه خانگی) مورد استفاده قرار گرفت.
در چنین شرایطی، شبیه سازی یک ثانیه از فعالیت ۱٫۷۳ میلیارد نورون که توسط ۱۰٫۴ تریلیارد سیناپس به یکدیگر متصل شده بودند، ۴۰ دقیقه زمان صرف کرد. اما اگر تراشهها از اتصالات شبه سیناپسی برخوردار باشند، امکان انتقال تنوع بیشتری از سیگنالها توسط رایانه به وجود خواهد آمد و زمینه آموزش شبه سیناپسی فراهم خواهد شد.
سیناپسها واسطه میان سیگنالهای ارسال شده به سوی مغز هستند و نورونها متناسب با تعداد و نوع یونهایی که در سرتاسر سیناپسها جاری هستند فعال میشوند. این روند به مغز در تشخیص الگوها، به خاطر سپردن حقایق و انجام وظایف کمک میکند. شبیهسازی این فرایند تا به امروز کار دشواری بوده است، اما محققان MIT اکنون تراشهای را طراحی کردهاند که از سیناپسهای مصنوعی از جنس ژرمانیوم سیلیکونی برخوردار است و امکان کنترل دقیق قدرت جریان الکتریکی جاری درون تراشهها را فراهم میکند، درست مانند کنترل یونهای جاری در میان نورونها.
محققان برای ایجاد این تراشه شبکهای از ژرمانیوم سیلیکون ایجاد کردند، که از کانالی یکبعدی برای عبور یونها برخوردار بود تا عبور یونها از مسیری ثابت و همیشگی تضمین شود. از این شبکه برای ساخت تراشهای نورومورفیک استفاده شد: زمانی که جریان برق وارد تراشه میشد، تمامی سیناپسها جریانی ثابت را نمایش میدادند، و نوسان جریان در آن تنها چهار درصد بود. نوسان جریان در یک تک سیناپس نیز به بیش از یک درصد نمیرسید.
در یک عملیات شبیهسازی از این تراشه برای شناسایی نمونههای دستخط استفاده شد و تراشه توانست اینکار را با دقتی ۹۵ درصدی انجام دهد. شبکه عصبی آزمایش شده، متشکل از سه لایه از صفحات عصبی که توسط دو لایه سیناپس مصنوعی از هم جدا شده بودند، توانست ده ها هزار دستخط را با دقت ۹۵ درصدی از یکدیگر تشخیص دهد. قدم بعدی ساخت تراشهای است که خود به تنهایی از قدرت تشخیص دادن نمونههای خطی از یک دیگر برخوردار است و در نهایت این پژوهش قرار است به ساخت ابزارهای شبکه عصبی قابل حمل منتهی شود. تراشهای به اندازه سر انگشت که بتواند کار یک ابر رایانه را انجام دهد.
منبع: https://bigbangpage.com