بزرگنمايي:

ایران پرسمان - با ممیستور ها یک قدم به ساختن مغز مصنوعی نزدیک تر شده ایم
٤٦
٠
ساختنی / پژوهشگران موسسه فیزیک و تکنولوژی مسکو یک قدم به ساخت شبکه عصبی نزدیک شده اند که کارکرد مغز انسان را تقلید می کند ! هر کس که ساختنی را دنبال کند یا کمی با الکترونیک علاقه داشته باشد و دانش کمی در این مورد داشته باشد،با قطعات پایه ای الکترونیک یعنی سلف ها، خازن ها و مقاومت ها آشناست. در سال 1971 میلادی ، مردی به نام لئون چوئا (Leon Chua) نشان داد که باید قطعه چهارمی هم در میان این قطعات انفعالی (Passive) بنیادی برق وجود داشته باشد. او این قطعه را مقاومت با حافظه یا ممیستور (Memistor) گذاشت .
مفهوم ممیستور در خود ویژگی های بسیار ارزشمندی دارد که امکانات قابل انتظار مدار های کلاسیک برق را بیشتر می کند. تا سال 2008 میلادی هیچ کسی مدارکی مبتنی بر وجود یک مدل فیزیکی ارائه نکرد و یا حداقل یک کاربرد عملی از ممیستور نیز مشاهده نشد. از آن زمان تا کنون بسیاری از شرکت های توسعه و پژوهش و کارآفرینان صنعت الکترونیک منابع مالی و انسانی انبوهی را صرف شناسایی و ارزیابی پتانسیل های بی شمار ممیستور کرده اند.پیش بینی می شود جنبه های سودمند ممیستور در کاربرد هایی مانند حافظه های حالت جامد (SSD) و قطعات انتقال یونی باشد.
با این که سر رشته تحقیقات در مورد شناخت مغز و ساختن دستگاه تقلید از مغز انسان در اختیار عصب پژوهان (neuroscientists) است،اما پژوهشگران دانشگاه فیزیک و فناوری مسکو سعی می کردند که فعالیت های مغز طبیعی و واقعی را با استفاده از قطعات بنیادی و آنالوگ شبکه های الکتریکی،تقلید کنند.
در مقاله تازه منتشر شده ای که در مجله علمی پژوهش های نانو به چاپ رسیده است ، محققین این دانشگاه مفهوم ممیستور را به گونه ای دیگر تعریف و ابداع کردند که به وسیله آن بتوانند گامی به ساخت سینپس های عصبی (Synaps) مصنوعی نزدیک تر شوند.
قطعه کلیدی در ساختار این مغز کامپیوتری هم البته همین ممیستور قلمداد شده است . به شکل خلاصه ، کاری که ممیستور انجام می دهد تنظیم تنظیم جریان جاری شده در مدار و به یاد نگه داشتن مقدار جریان جاری شده است. این قطعات بر اساس طبعیت خود ، حافظه غیر فرار دارند. به این معنا که اطلاعات را بدون وصل بودن به منبع تغذیه هم حفظ خواهند کرد.
یک مقایسه که معمولا انجام می شود ، مقایسه ممیستور ها با یک شلنگ آب آتش نشانی است. آب در شلنگ جریان می یابد و باعث می شود شلنگ به شکل شعاعی باز شود تا آب با سرعت بیشتر از آن گذر کند. وقتی آب به داخل آن مکیده شود باعث جمع شدن آن شده و باعث می شود سرعت ورود آب به آن کم شود و وقتی جریان آب قطع شود ، شنلگ به خودی خود جمع نمی شود بلکه حجم خود را نگه می دارد.
شبیه به موضوع بالا ، وقتی یک ممیستور خاموش می شود، مقدار مقاومتی را که در آخرین لحظه قبل از خاموش شدن خود داشته است را نگه خواهد داشت. برای مثال: اگر برق رایانه ای که در ساخت آن از ممیستور استفاده شده است قطع شود، پس از وصل دوباره جریان مانیتور بدون وقفه یا صرف هیچ انرژی آخرین تصویر را نشان می دهد. انگار که اصلا قطعی برقی در کار نبوده است.
یکی از سخت ترین کارهایی که تا به امروز به دنبال انجام دادن آن بوده ایم ، تقلید کامل از مغز انسان است. به هرحال ، در حال حاضر ما قادر به تقلید کامل از مغز گربه هستیم !
برخی از شبیه سازی های پیچیده شبکه های عصبی مانند پروژه “ذهن عمیق” گوگل تا به حال نتایج باور نکردنی گرفته اند، برای مثل چندی پیش بود که هوش مصنوعی این پروژه رویا پردازی کرد و تصاویر رویا هایش را برای ما به نمایش گذاشت!
دو عدد از این عکس ها را در تصویر بالا می بینید. البته ساختنی یک مطلب مفصل را به پروژه هوش مصنوعی گوگل اختصاص داده است .
وقتی مغز ما خیلی پیچیده تر از درک خودش است !
شوربختانه ، مغز انسان بسیار سریع تر و البته خیلی پیچیده تر از رقیب های الکترونیکی خود است. مغز های بیولوژیکی انسان ها می توانند تصاویر را در کسر دهم ثانیه شناسایی،دسته بندی و از آن ها نتیجه گیری کنند. دانشمندان همواره خواسته اند که از مغز انسان تقلید کنند. اصلا پیدایش رایانه ها محصول تلاش انسان برای الهام از مغز خودش است! اما ساختار مغز انسان به کلی با ساختار یک رایانه تفاوت دارد. در برخی از مدل های پیشنهادی برای توجیه عملکرد مغز، نورون های عصبی به وسیله رله های اطلاعاتی به نام سینپس ها با هم در ارتباط هستند. هر نورون می تواند بیش از ده هزار ارتباط همزمان با دیگر نورون ها برقرار کند.
در حال حاضر فرض بر این است که تغییرات در رسانایی در سیناپس ها مسئول پردازش اطلاعات در مغز است، این بدین معناست که اطلاعات باید از زنجیره طولانی از سیناپس ها بگذرد تا به اصطلاح “دریافت شود”.
موضوعی که تقلید از مغز انسان را به شدت سخت می کند این است که در سیستم های کلاسیک ، برای این که بتوانیم سیناپس و سلول عصبی را تقلید کنیم، نیاز به تعداد فوق العاده زیادی از ارتباطات مداری است که بتوان میلیارد ها سلول عصبی و سیناپس هایش را تقلید کرد. پیاده سازی این تعداد از ارتباطات مداری هم بسیار سخت است و هم توان قابل توجهی مصرف می کند.
حالا پژوهشگران MIPT یک ممیستور را بیش از پیش برای تقلید از سیناپس های مغز آماده کرده اند. این اختراع دوباره ممیستور توسط محققان MIPT از اکسید هافنیوم (HfO2) -یک ترکیب که معمولا در ساخت تکنولوژی CMOS استفاده می شود – استفاده کرده است. با وارد کردن ولتاژ به یک لایه از اکسید هافنیوم ، یون های اکسیژن به از شبکه یونی به سوی الکترود ها رانده می شوند. این کار باعث ایجاد حفره هایی در جای اکسیژن می شود که به الکترون ها اجازه انتقال می دهد.مقاومت یک ممیستور معمولا بر اساس تعداد این حفره ها در مسیر تعیین می شود و می تواند در طول زمان با تغذیه ممیستور تغییر کند.
تیم دانشگاه فیزیک و فناوری مسکو در حال حاضر از مغز الکترونیکی-ممیستوری خود برای شبیه سازی برخی از کارهای مغز طبیعی مانند به یاد سپاری و فراموشی استفاده می کنند. پدیده هایی که به ترتیب به نام های ” نیرومند سازی بلند مدت” و ” افسردگی بلند مدت” شناخته می شوند. این کار به مغز الکترونیکی اجازه می دهد نوعی شکل پذیری داشته باشد که به آن ظرفیت از یاد بردن اطلاعات بدون استفاده برای اضافه کردن دانش های جدید را خواهد داد.
ترکیبی از این عناصر در زیست شناسی STDP نامیده می شود. این فرآیند که در مغز اتفاق می افتد باعث تنظیم استحکام ارتباطات بین سلول های عصبی در مغز می شود. قدرت این ارتباطات بر اساس زمانبندی انجام ورود و خروج اطلاعات و پتانسیل آن ها (که در اصطلاح به آن Spike می گویند) تنظیم می شود. ثابت شده است که فرآیند STDP یک فرآیند در ارتباط مستقیم با آموختن است.به همین دلیل،بسیاری از پژوهشگران در حال تلاش برای تقلید کامل این فرایند با استفاده از ممیستور ها هستند.
تا امروز، هیچ کس موفق به ساختن سامانه ای نشده است که بتواند همه سیناپس های مصنوعی ممیستور را در غالب یک سامانه کامل عصبی مانند مغز یکپارچه کند. اما پیکربندی یک ممیستور الکتریکی برای استفاده به عنوان یک سیناپس قدم اول در شبیه سازی کامل مغز انسان است .