تاریخ انتشار : ۱۳۹۲/۰۹/۱۱ ساعت ۱۱:۲۸
کد مطلب : ۲۳۲۶۶
ساخت‌ترانزیستورسیناپسی باقابلیت‌یادگیری
گروه علمی و فناوری: محققان دانشکده مهندسی و علوم کاربردی دانشگاه هاروارد ترانزیستور جدیدی را ابداع کرده‌اند که به شیوه‌های مشابه سیناپس عصبی مغز قادر به یادگیری است.
این سامانه «ترانزیستور سیناپسی» نام گرفته و ابزار جدیدی است که ویژگیهای گذشته خود را بهینه کرده و رویکرد جدیدی را در حوزه هوش مصنوعی پیش روی دانشمندان می‌گذارد.یکی از ویژگیهای کلیدی مغز انسان این است که در هر عملی که انجام می‌دهد، بهتر می‌شود و این امر به توانایی انعطاف‌پذیری مغز برای تغییر دادن ساختار خود از طریق فکر و فعالیت مرتبط است. بخش اعظم این انعطاف‌پذیری از تغییراتی در 100 تریلیون سیناپس یا ارتباطات تنگاتنگ بین سلول‌های مغزی ناشی می‌شود. یکی از شیوه‌هایی که از طریق آن مجموعه‌ای از رفتارها تقویت یا یاد گرفته می‌شوند، فرآیند «STDP» نام دارد که قدرت شبکه‌های عصبی و اتصال نورون‌ها در مغز را بسته به زمان ورود و خروج ضربان تنظیم می‌کند.
زمانی که نورون A به طور مکرر سیگنالی را توسط یک سیناپس می‌فرستد، موجب شلیک نورون B می‌شود، به مرور زمان این سیناپس تقویت خواهد شد و در نتیجه، اتخاذ تصمیم‌ها را در آینده تقویت می‌کند.ترانزیستور سیناپتیکی دانشگاه هاروارد از این رفتار تقلید می‌کند.سامانه ابداعی دارای ساختاری کاملا مشابه ترانزیستور اثر میدان است که در آن مقدار اندکی از مایع یونی جای لایه عایق‌بندی‌کننده دریچه‌ای بین الکترود دریچه و کانال رسانایی را می‌گیرد و این کانال از SmNiO3 یا SNO و نه سیلیکون ترانزیستورهای اثر میدان ساخته شده است.عمل مشابه تقویت یک سیناپس مغزی در ترانزیستور جدید، بالا رفتن سطح رسانایی SNO است که اساسا بازدهی ترانزیستور سیناپتیکی را افزایش می‌دهد. همچنین ضعیف‌شدن یک سیناپس در مغز مشابه کاهش رسانایی الکتریکی SNO و در نتیجه کاهش بازدهی سامانه است.
بازدهی با گذشت زمان تغییر می‌کند تا ابزار مزبور، عملکرد متوسط کارآمدتری را که طی یادگیری از آنها خواسته شده ارائه دهد. بنابراین زمانیکه شبکه‌ای بزرگ از ترانزیستورهای سیناپسی مونتاژ می‌شود، این شبکه می‌تواند پاسخ‌های ویژه‌ای را در مقابل «ورودی‌های حسی» داشته باشد و این پاسخ‌ها از طریق تجربه و نه برنامه‌ریزی مستقیم در درون شبکه یاد گرفته می‌شود.
ترانزیستور طراحی‌شده به سیناپس مغزی شباهت بسیاری دارد و به گفته جیان شی، یکی از دانشمندان حاضر در این پروژه، هر بار که یک نورون جدید عملی را آغاز می‌کند و نورون دیگر به آن واکنش نشان می‌دهد، سیناپس بین آنها رابطه را تقویت کرده و هر بار هم که نورون‌ها سریع‌تر شلیک می‌شوند، ارتباط سیناپتیکی قوی‌تر است.ترانزیستور سیناپسی می‌تواند نقطه آغاز نوع جدیدی از هوش مصنوعی باشد؛ این هوش مصنوعی نه در الگوریتم‌های هوشمند، بلکه در خود معماری رایانه تعبیه شود.در واقع، سیستمی که میلیون‌ها ترانزیستور سیناپسی ریز و پایانه‌های نورونی را انسجام می‌بخشد، می‌تواند محاسبات مشابهی را وارد عرصه عملکرد بالای فوق‌کارآمد کند. شریام راماناتان، رهبر ارشد تیم تحقیقاتی دانشگاه هاروارد امیدوار است این ابزار جدید را بتوان روزی به ماشین‌های یادگیری مونتاژ کرد.
زمانی که نورون A به طور مکرر سیگنالی را توسط یک سیناپس می‌فرستد، موجب شلیک نورون B می‌شود، به مرور زمان این سیناپس تقویت خواهد شد و در نتیجه، اتخاذ تصمیم‌ها را در آینده تقویت می‌کند.ترانزیستور سیناپتیکی دانشگاه هاروارد از این رفتار تقلید می‌کند.سامانه ابداعی دارای ساختاری کاملا مشابه ترانزیستور اثر میدان است که در آن مقدار اندکی از مایع یونی جای لایه عایق‌بندی‌کننده دریچه‌ای بین الکترود دریچه و کانال رسانایی را می‌گیرد و این کانال از SmNiO3 یا SNO و نه سیلیکون ترانزیستورهای اثر میدان ساخته شده است.عمل مشابه تقویت یک سیناپس مغزی در ترانزیستور جدید، بالا رفتن سطح رسانایی SNO است که اساسا بازدهی ترانزیستور سیناپتیکی را افزایش می‌دهد. همچنین ضعیف‌شدن یک سیناپس در مغز مشابه کاهش رسانایی الکتریکی SNO و در نتیجه کاهش بازدهی سامانه است.
بازدهی با گذشت زمان تغییر می‌کند تا ابزار مزبور، عملکرد متوسط کارآمدتری را که طی یادگیری از آنها خواسته شده ارائه دهد. بنابراین زمانیکه شبکه‌ای بزرگ از ترانزیستورهای سیناپسی مونتاژ می‌شود، این شبکه می‌تواند پاسخ‌های ویژه‌ای را در مقابل «ورودی‌های حسی» داشته باشد و این پاسخ‌ها از طریق تجربه و نه برنامه‌ریزی مستقیم در درون شبکه یاد گرفته می‌شود.
ترانزیستور طراحی‌شده به سیناپس مغزی شباهت بسیاری دارد و به گفته جیان شی، یکی از دانشمندان حاضر در این پروژه، هر بار که یک نورون جدید عملی را آغاز می‌کند و نورون دیگر به آن واکنش نشان می‌دهد، سیناپس بین آنها رابطه را تقویت کرده و هر بار هم که نورون‌ها سریع‌تر شلیک می‌شوند، ارتباط سیناپتیکی قوی‌تر است.ترانزیستور سیناپسی می‌تواند نقطه آغاز نوع جدیدی از هوش مصنوعی باشد؛ این هوش مصنوعی نه در الگوریتم‌های هوشمند، بلکه در خود معماری رایانه تعبیه شود.در واقع، سیستمی که میلیون‌ها ترانزیستور سیناپسی ریز و پایانه‌های نورونی را انسجام می‌بخشد، می‌تواند محاسبات مشابهی را وارد عرصه عملکرد بالای فوق‌کارآمد کند. شریام راماناتان، رهبر ارشد تیم تحقیقاتی دانشگاه هاروارد امیدوار است این ابزار جدید را بتوان روزی به ماشین‌های یادگیری مونتاژ کرد.
مرجع : ایسنا
