محققان بریتانیایی تراشهای الهامگرفته از مغز انسان توسعه دادهاند که میتواند ضمن کارآمدترکردن سیستمهای هوش مصنوعی تا ۲٬۰۰۰ برابر، زمینه را برای الکترونیک نورومورفیک با مصرف انرژی بهینه فراهم کند.
دستاورد جدید نتیجهی تلاش فیزیکدانان دانشگاه لافبورو است. تراشهی مذکور میتواند دادههایی که در طول زمان تغییر میکنند را بهطور مستقیم در سختافزار پردازش کند؛ رویکردی که وابستگی به نرمافزارهای کامپیوتری معمولی را کاهش میدهد.
محققان میگویند این روش میتواند در برخی وظایف تا ۲٬۰۰۰ برابر از سیستمهای مبتنیبر نرمافزار معمولی کارآمدتر باشد؛ هرچند میزان دقیق بهبود عملکرد بسته به کاربرد متفاوت است.
پاول بوریسوف، مدرس ارشد فیزیک و رهبر تیم تحقیقاتی، میگوید: «این یافته هیجانانگیز است؛ چراکه نشان میدهد میتوانیم در رویکرد ساخت سیستمهای هوش مصنوعی بازنگری کنیم. با بهرهگیری از فرآیندهای فیزیکی بهجای تکیهی صرف بر نرمافزار، انرژی مورد نیاز برای انجام این وظایف را بهشکل قابلتوجهی کاهش خواهیم داد.»
تیم نشان داد که دستگاه آنها پتانسیل مقیاسپذیری روی تراشه را دارد و راه را برای توسعهی الکترونیک نورومورفیک با مصرف انرژی کارآمد که با سیگنالهای زمانی سروکار دارد، هموار میکند.
محققان اثبات کردند این دستگاه میتواند دادههای وابسته به زمان را پردازش کند و پس از ورود خروجیاش به یک مدل کامپیوتری خطی، برای شناسایی الگوها و پیشبینیهای کوتاهمدت مورد استفاده قرار بگیرد. آنها سیستم را با «سیستم لورنز-۶۳» (مدل ریاضی آشوب) و وظایفی مانند تشخیص تصاویر پیکسلی ساده و انجام عملیات منطقی پایه آزمایش کردند.
