اینترستینگ انجینرینگ گزارش داد، گروهی از محققان انستیتو علم و فناوری کره جنوبی یک تراشه یکپارچه مبتنی بر مموری رزیستور (memristor-based integrated chip) ابداع کرده‌اند که از شیوه فراوری اطلاعات در مغز تقلید می‌کند.

محققان به رهبری پروفسور «شینهیان چوی» و «یونگ گیو یون» نسل جدید تراشه نورومورفیک را ابداع کرده‌اند که در حقیقت یک نیمه رسانای بسیار کوچک با قابلیت اصلاح اشتباهات خود است.

تراشه مذکور هم اکنون آماده استفاده در دستگاه‌های مختلف مانند دوربین‌های امنیتی هوشمندی است که به طور لحظه‌ای و بدون اتکا به سرور ابر رایانشی فعالیت‌های مشکوک را ردیابی و تحلیل می‌کنند.

این تراشه رایانشی به دلیل توانایی برای یادگرفتن و اصلاح اشتباهاتی که به دلیل کاراکتر‌های غیرایده آل، یک چالش در دستگاه‌های نورومورفیک، به وجود می‌آیند، قابل توجه است. به عنوان مثال این تراشه هنگام پردازش پخش زنده ویدئو می‌تواند به طور خودکار اشیای متحرک را از پس زمینه جدا کند و جالب آنکه عملکرد آن با گذر زمان ارتقا می‌یابد.

این تراشه خودآموز با دستیابی به دقتی مشابه شبیه سازی‌های رایانشی در پردازش عکس، قابلیت‌های 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 دقیق‌تر قلب این نوآوری یک دستگاه نیمه رسانا نسل آینده به نام مموری رزیستور است. این دستگاه ویژگی‌های مقاومتی مختلفی دارد که نقش سیناپس‌ها در شبکه‌های عصبی را تقلید و قابلیت ذخیره سازی و رایانش همزمان داده‌ها را مانند عملکرد سلول‌های مغز انسان فراهم می‌کنند.

مموری رزیستور به طور دقیق میزان مقاومت را کنترل و یک سیستم کارآمد ایجاد می‌کند که نیاز به جبران اشتباهات پیچیده را از طریق خودآموزی برطرف می‌کند. این تحقیق از آن جهت اهمیت دارد که پتانسیل تجاری سیستم نورومورفیک نسل بعدی را برای یادگیری و استنتاج لحظه‌ای نشان می‌دهد.

پلتفرم‌های مبتنی بر مموری رزیستور به دلیل توانایی در انجام فعالیت‌های 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 می‌دهد و وظایف هوش مصنوعی را در محل پردازش می‌کند. 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.

منبع: مهر