عصر جدید انرژی با نقش آفرینی ممریستور ها رقم خواهد خورد - اخذ ویزا

به گزارش خبرنگاری فناوری خبرنگاران محققان کالج دانشگاهی لندن راهی یافتند تا دقت سیستم های محاسباتی الهام گرفته از مغز را بهبود داده و هوش مصنوعی کم مصرف تری بسازند. این سیستم برای ساخت شبکه عصبی مصنوعی از ممریستور ها (مقاومت حافظه دار از المان های دو پایانه ای مدار ها هستند) استفاده می نماید که حداقل 1000 برابر کارآمدتر از انرژی هوش مصنوعی سخت افزاری معمولی مبتنی بر ترانزیستورهاست، اما هنوز این سیستم جدید مستعد خطاست.

هوش های مصنوعی موجود مصرف انرژی بالایی دارند. با آموزش یک مدل هوش مصنوعی می توان 284 تن کربن دی اکسید فراوری کرد که معادل انتشار مادام العمر کربن دی اکسید توسط پنج اتومبیل است. جایگزینی ترانزیستور ها که همه دستگاه های دیجیتالی را تشکیل می دهند با ممریستور ها که دستگاه الکترونیکی جدید هستند و اولین بار در سال 2008 ساخته شده اند، می تواند این مقدار را به کسری از یک تن کربن دی اکسید کاهش دهد.

از آنجایی که ممریستور ها بسیار کم مصرف تر از سیستم های محاسباتی موجود هستند، به طور بالقوه می توانند مقدار زیادی محاسبات را در دستگاه های دستی گردآوری نموده و احتیاج به اتصال به اینترنت را از بین ببرند. این امر از اهمیت ویژه ای برخوردار است، زیرا انتظار می رود در آینده وابستگی بیش از حد به اینترنت به علت افزایش تقاضای داده و عدم افزایش ظرفیت انتقال داده از یک نقطه خاص، مشکل ساز گردد. در مطالعه جدید، محققان انگلیسی دریافتند که با جمع آوری ممریستور ها در چندین زیر گروه شبکه عصبی و استفاده از میانگین محاسبات می توان دقت را بسیار بهبود بخشید.

ممریستور ها مقاومت های با حافظه نامیده می شوند، زیرا آن ها مقدار بار الکتریکی که در آن ها جریان داشته است را حتی بعد از خاموش شدن نیز در حافظه دارند. این دستگاه ها که اولین بار در دهه گذشته ساخته شدند، انقلابی در الکترونیک ایجاد کردند و یک حلقه گمشده در الکترونیک برای تکمیل مقاومت ها، خازن ها و القاگر ها به حساب می آمدند. از آن موقع ممریستور ها بصورت تجاری در دستگاه های حافظه دار استفاده شدند، اما این تیم تحقیقاتی بیان نموده اند که این دستگاه می تواند طی سه سال آینده برای فراوری سیستم های هوش مصنوعی نیز استفاده گردد.

ممریستور ها بهره وری بسیار پیشرفته ای را ارائه می دهند و می توان اطلاعات قابل قبولی را در هر بیت قرار داد. علاوه بر این، ممریستور ها اغلب به عنوان یک فرم محاسباتی نوروفورمیک (الهام گرفته از مغز) توصیف می شوند، زیرا پردازش و حافظه را شبیه به مغز انجام می دهند.

در این مطالعه محققان رویکرد جدید خود را در چندین نوع مختلف از ممریستور ها آزمایش نموده و دریافتند که صرف نظر از ماده و فناوری ممریستورها، رویکرشان باعث افزایش دقت در همه آن ها شده است. آن ها دریافتند که این رویکرد باعث افزایش دقت شبکه های عصبی در کار های معمولی هوش مصنوعی در مقایسه با ابزار های نرم افزاری استفاده شده در سخت افزار دیجیتال های معمولی می گردد.

محققان معتقدند که در رویکرد آن ها وقتی صحبت از ممریستور ها می گردد، چندین هد بهتر از یکی است. همچنین چیدن شبکه عصبی به چندین شبکه کوچک تر به جای یک شبکه عظیم، منجر به دقت بالاتری می گردد. اکنون زمان آن رسیده که ممریستور ها نقش مهمی در دوره انرژی پایدار داشته باشند.