شناسهٔ خبر: 70910003 - سرویس علمی-فناوری
منبع: برنا | لینک خبر

تراشه‌ای که مانند مغز انسان عمل می‌کند

برنا - گروه علمی و فناوری: محققان KAIST تراشه‌ای مبتنی بر ممریستور توسعه داده‌اند که عملکرد مغز انسان را شبیه‌سازی کرده و به‌طور خودکار یاد می‌گیرد و اشتباهات را اصلاح می‌کند. برنا - گروه علمی و فناوری: محققان KAIST تراشه‌ای مبتنی بر ممریستور توسعه داده‌اند که عملکرد مغز انسان را شبیه‌سازی کرده و به‌طور خودکار یاد می‌گیرد و اشتباهات را اصلاح می‌کند.

صاحب‌خبر -

محققان مؤسسه علم و فناوری پیشرفته کره (KAIST) در کره جنوبی، چیپ یکپارچه‌ای مبتنی بر ممریستور توسعه داده‌اند که طرز پردازش اطلاعات در مغز انسان را شبیه‌سازی می‌کند.

به گزارش اینترستینگ انجینرینگ، این تیم تحقیقاتی تحت رهبری پروفسورهای شین‌هیون چوی و یون یانگ-گیو، یک چیپ نوآورانه نئومورفیک (شبکه عصبی مصنوعی) ساخته‌اند که قادر است به‌طور مستقل یاد بگیرد و اشتباهات ناشی از ویژگی‌های غیرایده‌آل را اصلاح کند. این مطالعه در مجله Nature Electronics منتشر شده است.

این چیپ جدید به‌خاطر توانایی‌اش در یادگیری و اصلاح اشتباهات ناشی از ویژگی‌های غیرایده‌آل، که یکی از چالش‌های دستگاه‌های نئومورفیک فعلی است، برجسته است. به‌عنوان مثال، هنگام پردازش جریان‌های ویدئویی، می‌تواند به‌طور خودکار اشیاء متحرک را از پس‌زمینه جدا کرده و عملکرد خود را در طول زمان بهبود بخشد.

این چیپ خودآموز با نمایش دقتی مشابه شبیه‌سازی‌های ایده‌آل در پردازش تصاویر در زمان واقعی، توانایی‌های خود را به نمایش گذاشته است. موفقیت کلیدی تیم تحقیقاتی در ایجاد سیستمی است که نه تنها قابل اعتماد است بلکه از نظر عملی نیز فراتر از توسعه اجزای مغزی مجزا می‌رود.

در قلب این نوآوری، یک دستگاه نیمه‌هادی نسل جدید به نام ممریستور قرار دارد. ویژگی‌های مقاومت متغیر ممریستور نقش سیناپس‌ها در شبکه‌های عصبی را شبیه‌سازی می‌کند و امکان ذخیره‌سازی و پردازش همزمان داده‌ها را فراهم می‌آورد، مشابه عملکرد سلول‌های مغزی.

ممریستور با کنترل دقیق تغییرات مقاومت، سیستمی کارآمد ایجاد می‌کند که نیاز به جبران‌سازی پیچیده را از طریق یادگیری خودکار حذف می‌کند. این تحقیق اهمیت دارد زیرا نشان می‌دهد که سیستم نئومورفیک نسل بعدی پتانسیل تجاری برای یادگیری و استنتاج در زمان واقعی را داراست.

پلتفرم‌های مبتنی بر ممریستور می‌توانند سیستم‌های هوش مصنوعی فشرده و انرژی‌کارآمد برای پردازش در لبه (edge) تولید کنند. این تکنولوژی قادر است محاسبات موازی را در دامنه آنالوگ انجام دهد و از این رو در پردازش الگوریتم‌های هوش مصنوعی در زمان واقعی به دستگاه‌ها کمک کند. این تغییر به کاهش وابستگی به سرورهای ابری از راه دور منجر می‌شود و دستگاه‌ها را سریع‌تر، امن‌تر و کارآمدتر می‌کند.

براساس گفته محققان KAIST، این سیستم مانند یک فضای کاری هوشمند عمل می‌کند که همه‌چیز به‌راحتی در دسترس است و نیازی به جابجایی‌های مکرر بین میزها و کشوهای بایگانی نیست. این سیستم به‌طور مؤثر مشابه نحوه پردازش اطلاعات در مغز عمل می‌کند، جایی که همه‌چیز در یک مکان به‌طور همزمان مدیریت می‌شود.

انتهای پیام/