گروهی از فیزیکدانان بریتانیایی موفق شدهاند تراشهای نوین توسعه دهند که میتواند عملکرد برخی سیستمهای هوش مصنوعی را تا ۲۰۰۰ برابر کارآمدتر کند. این پیشرفت، مسیر تازهای برای طراحی نسل جدید الکترونیک نورومورفیک و سختافزارهای کممصرف در پردازش دادههای زمانی هموار میسازد.
این تراشه که توسط پژوهشگران دانشگاه لافبورو ساخته شده، قادر است دادههای پویا و وابسته به زمان را مستقیماً در سطح سختافزار پردازش کند. برخلاف روشهای متداول مبتنی بر نرمافزار، این رویکرد از فرآیندهای فیزیکی برای انجام محاسبات استفاده میکند و همین موضوع مصرف انرژی را به شکل چشمگیری کاهش میدهد.
دکتر پاول بوریسوف، سرپرست تیم تحقیقاتی، این دستاورد را نقطه عطفی در تحول سیستمهای هوش مصنوعی میداند. او معتقد است که بهرهگیری از رفتارهای فیزیکی مواد بهجای اجرای الگوریتمها روی پردازندههای معمولی، میتواند انرژی موردنیاز بسیاری از پردازشها را به حداقل برساند.
جزئیات این پژوهش در ژورنال Advanced Intelligent Systems منتشر شده است. تراشه مذکور شامل یک ممریستور لایهنازک مبتنی بر اکسید نیوبیوم است که به دلیل ساختار خاص و وجود نانوحفرههای تصادفی، قابلیت انجام عملیات محاسباتی پیچیدهای مانند XOR، تشخیص تصویر و پیشبینی سریهای زمانی را دارد.
پژوهشگران در یکی از آزمایشها از یک سری زمانی سهبعدی پیچیده استفاده کردند. آنها با اعمال شکلموجهای متفاوت ولتاژ و آموزش یک لایه بازخوانی متصل به خروجی ممریستور، توانستند به دقت چشمگیری در پیشبینی و بازسازی دادهها دست یابند. این نتایج در مقایسه با روشهای بدون مخزن (Reservoir-Free)، بهمراتب بهتر و سریعتر بود.
این تیم همچنین نشان داد که فناوری جدید قابلیت پیادهسازی در مقیاس تراشه را دارد و میتواند پایهای برای ساخت نسل جدید سختافزارهای هوش مصنوعی با مصرف انرژی بسیار پایین باشد. توانایی این تراشه در پردازش دادههای زمانی، آن را برای کاربردهایی مانند پیشبینی، تحلیل الگوهای رفتاری و مدلسازی سریهای پیچیده بسیار مناسب میسازد.
در بخش دیگری از آزمایشها، توانایی تراشه با مدل ریاضی شناختهشده «سیستم لورنز-۶۳» — نمونهای از سیستمهای آشوبناک مرتبط با اثر پروانهای — ارزیابی شد. تراشه توانست رفتار کوتاهمدت سیستم را با موفقیت پیشبینی و دادههای ناقص آن را بازسازی کند. همچنین در تشخیص اعداد پیکسلی و انجام محاسبات منطقی پایه عملکرد صحیحی از خود نشان داد، که نشان میدهد این دستگاه توانایی اجرای طیف گستردهای از وظایف را دارد.
به گفته دکتر بوریسوف، طراحی این تراشه با الهام از شبکه اتصالات عصبی مغز انسان انجام شده است. استفاده از نانوحفرههای تصادفی در لایههای اکسید نیوبیوم، باعث ایجاد ساختاری مانند شبکههای عصبی طبیعی شده که توان بالایی در پردازش همزمان و چندبعدی دارد.
او در پایان تأکید کرد که این فناوری قادر است پیشبینی سریهای زمانی پیچیده را با مصرف انرژی تا دو هزار برابر کمتر از روشهای نرمافزاری انجام دهد؛ موضوعی که میتواند آینده سختافزارهای هوش مصنوعی را دگرگون کند.
توجه: این مقاله رونوشتی از سایتهای ایرانی است و محتوای آن تایید یا رد نمیشود!