امیدوارکننده‌ترین سیناپس مصنوعی تا امروز

۱۳۹۶/۱۱/۱۳ در ۱۴:۲۸

مهندسین ام ای تی تراشه‌ای طراحی کردند که دقیقا شبیه سلول‌های مغز ارتباط برقرار می‌کند.

به گزارش گروه ترجمه ایران پزشک، برای آن‌هایی که در زمینه هوش مصنوعی کار می‌کنند در اختیار داشتن یک کامپیوتر برای شبیه سازی فعالیت‌های مغزی یک امر فوق العاده است، اما همه چیز ساده‌تر می‌شود اگر سخت افزاری ساخته شود تا با آن شروع کنند. این رشته نوظهور محاسبات اشکال عصبی یا Neuromorphic  Computing نام دارد.

مهندسین در ام ای تی با طراحی تراشه‌ای با یک سیناپس مصنوعی ممکن است که بر یک امر سخت غلبه کنند. تاکنون مغز انسان از هر کامپیوتری قدرتمندتر بود؛ چون دارای ۸۰ میلیارد نوورون و بیش از ۱۰۰ میلیارد سیناپس (محل اتصال نورون) و دارای کنترل گذرگاه‌های سیگنال‌هاست.

نحوه عملکرد تراشه‌های کامپیوتری به صورت انتقال یا تبدیل سیگنال به زبان باینری (binary) است. بخشی از اطلاعات به شکل ۰ و ۱ یا خاموش و  روشن (on/off) کدگذاری می‌شود.

ایده کامپیوتری با مغز در سال ۲۰۱۳ به وجود آمد. یکی از ابرکامپیوترهای دنیا که مغز را شبیه سازی کرد و نتایج منحصر به فردی به دست آورد. کامپیوتر رکین (rekin) از ۸۲٫۹۴۴ پردازنده استفاده کرد که یک میلیون گیگ یا یک پتابایت حافظه اصلی داشت (معادل ۲۵۰٫۰۰۰ کامپیوتر خانگی). ۴۰ دقیقه طول می‌کشد تا شبیه سازی یک ثانیه‌ای توسط فعالیت اتصال ۱٫۷۳ میلیارد نورون از طریق ۱۰٫۴ میلیارد سیناپس انجام شود که همراه با صدای زیادی است، اما واقعا معادل یک درصد فعالیت مغز انسان است. ولی اگر تراشه از اتصالی شبیه سیناپس استفاده کند، سیگنال‌های به کار رفته توسط کامپیوتر ممکن است دارای تنوع بیشتری شوند. توانایی سیناپس‌ها شبیه یادگیری است.

سیناپس‌ها مینانجی انتقال سیگنال‌ها از مغز هستند. فعالیت نورون‌ها به شکل و تعداد یون‌های در جریان اطراف سیناپس بستگی دارد و این به مغز کمک می‌کند تا الگوها را بشناسد و واقعیت‌ها را به خاطر بسپارد و از عهده وظایفش بر آید.

این جایگزینی به سختی به روز شده، اما در پژوهش‌هایی در ام ای تی، اکنون یک تراشه با سیناپس مصنوعی طراحی شده که از سیلیکون گیاهی (شمعدانی) درست شده و اجازه می‌دهد دقیقا نیروی الکتریکی جاری بین آن‌ها را درست شبیه یون‌های در جریان بین نورون‌ها کنترل کند.

در یک شبیه سازی که برای تشخیص دست‌نویس نمونه مورد استفاده قرار گرفت دقت بالای ۹۵ درصد بود. طراحی‌های اخیر برای تراشه‌های اشکال عصبی یا neuromorphic از دو لایه هدایت کننده مجزا توسط یک رسانه تعویضی غیرشفاف استفاده می‌کرد که شبیه یک سیناپس عمل می‌کند. هنگام روشن شدن، یون‌ها در طول رسانه‌ها جاری می‌شوند تا رشته‌های هدایت کننده‌ای درست کنند که به تقلید از توانایی سیناپس‌ها به تقویت یا کاهش سیگنال بین دو نورون منجر شود. اشکال این دسترسی این است که بدون معین کردن ساختار حرکت، سیگنال‌ها الگوهای نامحدودی برای جابه‌جایی دارند و این می‌توانست عمل تراشه متناقض و غیرقابل پیش بینی کند.

 

 

به گفته جی وان کیم، سرپرست تحقیقات، وقتی که شما ولتاژی برای دادن اطلاعات به عصب مصنوعی می‌دهید برای این‌که قادر باشید همان مسیر را بنویسید باید آن را پاک کنید، اما در یک ماده غیر متبلور و غیر شفاف وقتی که شما دوباره می‌نویسید، یون‌ها به دلیل وجود نقص‌های زیاد مسیرهای متفاوتی را طی می‌کنند و این جریان عوض می‌شود و کنترل آن سخت است؛ این بزرگ‌ترین مشکل عدم انطباق سیناپس‌های مصنوعی است.

با این تفکر، گروه، شبکه‌هایی از سیلیکون‌های گیاهی (شمعدانی) با مسیرهای یک بعدی درست کرد تا هر یون بتواند در آن جریان پیدا کند. این کار باعث شد تا همان الگو هر دفعه دقیقا استفاده شود. این شبکه‌ها سپس برای ساختن تراشه اشکال عصبی (neuromorphic) استفاده شدند. وقتی که ولتاژ به کار گرفته شد، تمام سیناپس‌های تراشه هم‌زمان تغییری ۴ درصدی را نشان دادند. همچنین یک سیناپس به تنهایی با اعمال ۷۰۰ مرتبه ولتاژ مورد آزمایش قرار گرفت و یک‌نواخت‌ترین نتیجه ممکن یعنی ۱ درصد را نشان داد.

گروه، تراشه را روی یک کار واقعی با شبیه سازی مشخصه آن آزمایش کردند و از آن با نمونه دست‌نویس دیتابیس MNIST که معمولا در نرم افزار آموزش پردازش تصویر به کار گرفته می‌شود استفاده کردند. شبکه شبیه سازی شده عصب مصنوعی شامل سه صفحه جداگانه است که توسط دو لایه از سیناپس‌های مصنوعی با توانایی تشخیص ده‌ها هزار رقم دست نویس با دقت ۹۵ درصد و مقایسه شده با نرم افزار موجود با دقت ۹۷ درصد است.

مرحله بعدی ساخت تراشه‌ای با توانایی تشخیص دست‌نویس‌ها با وظایف و با به انجام رساندن هدف مشخص و ساخت دستگاه قابل حمل شبکه عصبی است.

جی وان کیم گفت: در نهایت ما یک تراشه به بزرگی ناخن انگشت می‌خواهیم که جایگزین ابرکامپیوتر شود.

گفتنی‌ست این تحقیقات گام  بسیار بزرگی به سوی هوش (سخت افزاری) مصنوعی برداشته و در ژورنال مواد طبیعی به چاپ رسیده است.

پایان پیام/

مترجم: صفورا قاضی مراد

منبع: MIT news

Print Friendly, PDF & Email

برچسب‌ها, , , , , , , , , , , , , , , , , , , , , ,

ایران پزشک