ساخت قطعه‌ای با الهام از مغز برای انجام محاسبات کامپیوتری

در مقایسه با کامپیوترها، مغز انسان در مصرف انرژی بسیار کارآمد است. از این رو، دانشمندان از نحوه عملکرد مغز و نورون‌های به هم پیوسته آن برای الهام گرفتن در طراحی فناوری های محاسباتی نوآورانه استفاده می‌کنند. آنها پیش‌بینی می‌کنند که این سیستم‌های محاسباتی الهام‌گرفته از مغز، نسبت به سیستم‌های معمولی کارآمدتر انرژی خواهند بود، و همچنین در انجام وظایف یادگیری ماشینی بهتر خواهند بود.

دقیقاً مانند نورون‌ها که وظیفه ذخیره‌سازی و پردازش داده‌ها در مغز را بر عهده دارند، دانشمندان می‌خواهند ذخیره‌سازی و پردازش را در یک نوع قطعه الکترونیکی که به نام ممریستور شناخته می‌شود، ترکیب کنند. امید آنها این است که این کار به کارایی بیشتر کمک کند، زیرا جابجایی داده‌ها بین پردازنده و ذخیره‌سازی، مانند رایانه‌های معمولی، دلیل اصلی مصرف انرژی بالا در برنامه های کاربردی یادگیری ماشین است.

محققان دانشگاه زوریخ، ETH زوریخ و Empa مفهوم نوآورانه‌ای برای ممریستور توسعه داده‌اند که می‌تواند در طیف وسیع‌تری از کاربردها نسبت به ممریستورهای موجود استفاده شود. روهیت جان، پسادکتر ETH توضیح می‌دهد: «حالت‌های عملکرد متفاوتی برای ممریستورها وجود دارد، و استفاده از همه این حالت‌ها بسته به معماری شبکه‌های عصبی مصنوعی مفید است. اما ممریستورهای معمولی قبلی باید از قبل برای یکی از این حالت‌ها پیکربندی می‌شدند. ممریستورهای جدید محققان زوریخ اکنون می توانند به راحتی بین دو حالت عملیاتی در حین استفاده جابجا شوند: حالتی که در آن سیگنال در طول زمان ضعیف تر شده و از بین می رود (حالت فرار)، و حالتی که در آن سیگنال ثابت می ماند (حالت غیر فرار).

درست مثل مغز

جان می گوید: «این دو حالت عملیاتی در مغز انسان نیز یافت می‌شود. از یک سو، محرک‌های سیناپس‌ها با انتقال‌دهنده‌های عصبی بیوشیمیایی از نورون به نورون دیگر منتقل می‌شوند. این محرک‌ها قوی شروع می‌شوند و سپس به تدریج ضعیف‌تر می‌شوند. از سوی دیگر، ارتباطات سیناپسی جدید با سایر نورون‌ها در مغز شکل می‌گیرد که ما می‌توانیم یاد بگیریم. این اتصالات ماندگاری بیشتری دارند.

جان که در گروهی به سرپرستی پروفسور ETH ماکسیم کووالنکو کار می کند، این تحقیق را به همراه ییگیت دمیراگ، دانشجوی دکترا در گروه پروفسور جاکومو ایندیوری در موسسه نورو انفورماتیک دانشگاه زوریخ و ETH زوریخ انجام داد.

ممریستورهایی که محققان توسعه داده‌اند از نانوبلورهای هالید پروسکایت ساخته شده‌اند، یک ماده نیمه رسانا که عمدتاً به دلیل استفاده از آن در سلول‌های فتوولتائیک شناخته می‌شود. کووالنکو توضیح می‌دهد:  «رسانایی عصبی در این ممریستورهای جدید با زنجیره کردن موقتی یا دائمی یون‌های نقره از یک الکترود انجام می‌شود. این کار منجر به تشکیل نانورشته‌ای که به ساختار پروسکایت نفوذ می‌کند و جریان می‌تواند از طریق آن جریان یابد، می‌شود.

این فرآیند را می توان به گونه‌ای تنظیم کرد که رشته یون نقره نازک شود، به طوری که به تدریج به یون‌های نقره منفرد (حالت فرار) یا ضخیم و دائمی (حالت غیر فرار) تجزیه شود. این کار با شدت جریانی که روی ممریستور اعمال می‌شود کنترل می‌شود. اعمال جریان ضعیف حالت فرار را فعال می‌کند، در حالی که یک جریان قوی حالت غیرفرار را فعال می‌کند.

دمیراگ می‌گوید: «طبق اطلاعات ما، این اولین ممریستور است که می‌تواند به‌طور قابل‌اطمینانی بین حالت‌های فرار و غیرفرار در صورت نیاز جابجا شود. این بدان معناست که در آینده، تراشه های کامپیوتری را می توان با ممریستورهایی که هر دو حالت را دارند، تولید کرد. این یک پیشرفت مهم است زیرا معمولاً ترکیب چندین نوع مختلف ممریستور در یک تراشه امکان پذیر نیست.»