دستگاه محاسبه گر مثل مغز انسان!

دستگاه محاسباتی جدید مغز مانند با ترانزیستورهای Synaptic الکتروشیمیایی یادگیری انسان را شبیه سازی می کند!

دستگاه هم می‌تواند طبق شرایطی با جامعه ارتباط برقرار کند

محققان دستگاه محاسباتی شبیه مغز تولید کرده اند که توانایی یادگیری را به صورت ارتباطی دارد.

مشابه آنچه ایوان پاولوف ، فیزیولوژیست مشهور ، سگ ها را برای ارتباط زنگ با غذا شرطی کرد ، محققان دانشگاه نورث وسترن و دانشگاه هنگ کنگ مدار خود را برای ارتباط نور با فشار شرطی کردند.

راز این دستگاه در “ترانزیستورهای سیناپسی” ارگانیک و الکتروشیمیایی جدید آن نهفته است که همزمان اطلاعات را دقیقاً مانند مغز انسان پردازش و ذخیره می کند. محققان نشان دادند که ترانزیستور می تواند از انعطاف پذیری کوتاه مدت و بلند مدت سیناپس ها در مغز انسان تقلید کند و با استفاده از خاطرات یاد گرفته شده با گذشت زمان ، می تواند یادآوری کند.

ترانزیستور و مدار جدید با توانایی شبه مغز ، می تواند به طور بالقوه از محدودیت های محاسبات سنتی ، از جمله سخت افزار صرفه جویی در انرژی و توانایی محدود آنها در انجام همزمان چندین کار ، عبور کند. دستگاه شبه مغز همچنین از تحمل عیب بیشتری برخوردار است و حتی در صورت خرابی برخی از اجزای سازنده به کار نرم ادامه می دهد.

جاناتان ریونای ، نویسنده ارشد این تحقیق ، گفت: “اگرچه رایانه مدرن برجسته است ، اما مغز انسان می تواند به راحتی در برخی از کارهای پیچیده و بدون ساختار مانند تشخیص الگو ، کنترل موتور و یکپارچه سازی چند حسی از آن بهتر عمل کند.” “این به لطف انعطاف پذیری سیناپس است ، که عنصر اصلی ساخت محاسبات مغز است. این سیناپس ها مغز را قادر می سازد تا به صورت کاملاً موازی ، متحمل خطا و کم مصرف کار کند. در کار ما ، ما یک ترانزیستور آلی ، پلاستیکی را نشان می دهیم که عملکردهای اصلی یک سیناپس بیولوژیکی را تقلید می کند. ”

مشکلات محاسبات معمولی

سیستم های رایانه ای معمولی و دیجیتال دارای واحد پردازش و ذخیره سازی جداگانه ای هستند که باعث می شود کارهای پرمصرف مقدار زیادی انرژی مصرف کنند. در سالهای اخیر ، محققان با الهام از فرآیند و محاسبات و ذخیره سازی ترکیبی در مغز انسان ، سعی کرده اند رایانه هایی را بسازند که بیشتر شبیه مغز انسان هستند ، با مجموعه ای از دستگاه ها که مانند شبکه ای از سلول های عصبی کار می کنند.

جی گفت: “نحوه کار سیستم های رایانه ای فعلی ما این است که حافظه و منطق از نظر جسمی از هم جدا شده اند.” “شما محاسبه می کنید و این اطلاعات را به یک واحد حافظه ارسال می کنید. سپس هر وقت می خواهید آن اطلاعات را بازیابی کنید ، باید آنها را به خاطر بیاورید. اگر بتوانیم این دو عملکرد جداگانه را کنار هم قرار دهیم ، می توانیم در فضا صرفه جویی کرده و در هزینه های انرژی صرفه جویی کنیم. ”

در حال حاضر ، مقاومت حافظه یا “ممریستور” پیشرفته ترین فناوری است که می تواند پردازش و عملکرد حافظه ترکیبی را انجام دهد ، اما مموریستورها از سوئیچینگ کم هزینه و زیست سازگاری کمتری رنج می برند. این اشکالات محققان را به سمت ترانزیستور سیناپسی سوق داد – خصوصاً ترانزیستور سیناپسی الکتروشیمیایی آلی ، که با ولتاژ پایین ، حافظه قابل تنظیم پیوسته و سازگاری بالا برای کاربردهای بیولوژیکی کار می کند. هنوز هم چالش ها وجود دارد.

ریونای گفت: “حتی ترانزیستورهای سیناپسی الکتروشیمیایی آلی با کارایی بالا نیز نیاز به جدا کردن عمل نوشتن از عمل خواندن دارند.” “بنابراین اگر می خواهید حافظه را حفظ کنید ، باید آن را از روند نوشتن جدا کنید ، که این امر می تواند ادغام در مدارها یا سیستم ها را بیشتر پیچیده کند.”

نحوه کار ترانزیستور سیناپسی

برای غلبه بر این چالش ها ، تیم شمال غربی و دانشگاه هنگ کنگ یک ماده پلاستیکی رسانا را در ترانزیستور آلی و الکتروشیمیایی بهینه سازی کرد که می تواند یون ها را به دام بیندازد. در مغز ، سیناپس ساختاری است که از طریق آن یک نورون می تواند با استفاده از مولکول های کوچکی به نام انتقال دهنده های عصبی ، سیگنال ها را به نورون دیگر منتقل کند. در ترانزیستور سیناپسی ، یونها رفتاری مشابه انتقال دهنده های عصبی دارند و سیگنال هایی را بین پایانه ها ارسال می کنند تا یک سیناپس مصنوعی تشکیل شود. با نگهداری داده های ذخیره شده از یون های به دام افتاده ، ترانزیستور فعالیت های قبلی را به خاطر می آورد و باعث ایجاد انعطاف پذیری طولانی مدت می شود.

محققان با اتصال ترانزیستورهای سیناپسی منفرد به یک مدار نورومورفیک برای شبیه سازی یادگیری انجمنی ، رفتار سیناپسی دستگاه خود را نشان دادند. آنها سنسورهای فشار و نور را در مدار ادغام کردند و مدار را آموزش دادند تا دو ورودی فیزیکی غیرمرتبط (فشار و نور) را با یکدیگر مرتبط کنند.

شاید مشهورترین نمونه یادگیری انجمنی سگ پاولوف باشد که وقتی با غذا روبرو شد به طور طبیعی ساق پا شد. سگ پس از شرطی کردن سگ برای ارتباط زنگوله با غذا ، سگ نیز با شنیدن صدای زنگ شروع به ریزش کرد. برای مدار نورومورفیک ، محققان با اعمال فشار با فشار انگشت ولتاژی را فعال کردند. برای شرط بندی مدار برای ارتباط نور با فشار ، محققان ابتدا نور پالسی را از لامپ LED اعمال کردند و سپس بلافاصله فشار وارد کردند. در این سناریو ، فشار غذا است و نور زنگوله. سنسورهای مربوطه دستگاه هر دو ورودی را شناسایی کردند.

بعد از یک دوره تمرینی ، مدار ارتباط اولیه ای بین نور و فشار برقرار کرد. پس از پنج چرخه آموزش ، مدار به طور قابل توجهی نور را با فشار ارتباط داد. نور ، به تنهایی قادر به ایجاد سیگنال یا “پاسخ بی قید و شرط” بود.

برنامه های آینده

از آنجا که مدار سیناپسی از پلیمرهای نرم ساخته شده است ، مانند پلاستیک ، می توان آن را به راحتی روی ورق های انعطاف پذیر ساخت و به راحتی در الکترونیک نرم ، پوشیدنی ، رباتیک هوشمند و دستگاه های کاشتی که مستقیماً با بافت زنده و حتی مغز ارتباط دارند ، ادغام کرد.

Rivnay گفت: “در حالی که برنامه ما اثبات مفهوم است ، مدار پیشنهادی ما می تواند بیشتر شود و شامل ورودی های حسی بیشتر و یکپارچه با سایر لوازم الکترونیکی باشد تا محاسبات کم مصرف را در محل انجام دهد.” “از آنجا که با محیط های بیولوژیکی سازگار است ، دستگاه می تواند به طور مستقیم با بافت زنده ارتباط برقرار کند ، که برای بیوالکترونیک نسل بعدی بسیار مهم است.”