تراشه های مغزی مهندسان MIT یک "تراشه مغزی بر روی یک تراشه ، کوچکتر از یک قطعه کنتین ، طراح کرده اند که از ده ها هزار سیناپس مصنوعی مغز معروف به memristors ساخته شده است - اجزای مبتنی بر سیلیکون که از سیناپس های انتقال دهنده اطلاعات تقلید می کنند. محققان از اصول متالورژی برای ساختن هر متریتور از آلیاژهای نقره و مس به همراه سیلیکون وام گرفتند. هنگامی که آنها تراشه را از طریق چندین کار تصویری اجرا کردند ، این تراشه قادر بود تصاویر ذخیره شده را "به خاطر بسپارد" و آنها را بارها و بارها تولید مثل کند ، در نسخه هایی که در مقایسه با طرح های موجود Memristor ساخته شده با عناصر غیر آهسته تر ، شفاف تر و تمیز تر بودند.

تراشه های مغزی

مهندسان MIT یک “تراشه مغزی بر روی یک تراشه ، کوچکتر از یک قطعه کنتین ، طراح کرده اند که از ده ها هزار سیناپس مصنوعی مغز معروف به memristors ساخته شده است – اجزای مبتنی بر سیلیکون که از سیناپس های انتقال دهنده اطلاعات تقلید می کنند. محققان از اصول متالورژی برای ساختن هر متریتور از آلیاژهای نقره و مس به همراه سیلیکون وام گرفتند. هنگامی که آنها تراشه را از طریق چندین کار تصویری اجرا کردند ، این تراشه قادر بود تصاویر ذخیره شده را “به خاطر بسپارد” و آنها را بارها و بارها تولید مثل کند ، در نسخه هایی که در مقایسه با طرح های موجود Memristor ساخته شده با عناصر غیر آهسته تر ، شفاف تر و تمیز تر بودند.
نتایج آنها ، که امروز در مجله Nature Nanotechnology به چاپ رسیده است ، نشانگر طراحی جدید امیدوارکننده ای برای دستگاههای عصبی – الکترونیکی است که براساس نوع جدیدی از مدار است که اطلاعات را به روشی پردازش می کند که از معماری عصبی مغز تقلید می کند. چنین مدارهایی با الهام از مغز می توانند در دستگاههای کوچک و قابل حمل ساخته شوند و کارهای پیچیده محاسباتی را انجام دهند که تنها رایانه های امروزی قادر به انجام آن هستند.
جیهوان کیم ، استادیار مهندسی مکانیک در MIT می گوید: “تاکنون شبکه های سیناپس مصنوعی به عنوان نرم افزار وجود دارند. ما در تلاش هستیم سخت افزار شبکه عصبی واقعی را برای سیستم های قابل حمل هوش مصنوعی بسازیم.” “تصور کنید که یک دستگاه نورومورفیک را به دوربینی که بر روی ماشین شما قرار دارد وصل کنید ، و از آن استفاده کنید که چراغ ها و اشیاء را بشناسید و سریعاً تصمیم بگیرید ، بدون اینکه به اینترنت وصل شوید.”

مریم عربلو

Journal Reference:

Alloying conducting channels for reliable neuromorphic computingNature Nanotechnology, ۲۰۲۰; DOI: ۱۰.۱۰۳۸/s41565-020-0694-5

سبد خرید
پیمایش به بالا