از ممریستورها تا نورون‌ها راه درازی است!

از ممریستورها تا نورون‌ها راه درازی است!

  با ظهور ممریستورها، محققان امیدوارند کهبتوان توسط آن‌ها شبکه‌‌‌های عصبی را از شبیه‌سازی‌های رایانه‌ای دیجیتالی جدا کرده و در سخت‌افزار واقعی خودشان قرار داد. تا به امروز، بستر مناسبی برای ساخت شبکه‌های ممریستوری با دقتو صحت کافی یافت نشده‌است. محققان به‌تازگی روشی برای ساخت شبکه‌های عصبی کامل در ابعاد میکرو یافته‌اند که از فناوری سیماس(CMOS) و به عبارتی ترانزیستورها در آن استفاده نمی‌شود. تفاوت این روش، در استفاده از دمای پایین در فرایند می‌باشد.

از آنجایی که ممریستورها، حافظه‌های آنالوگ ساده‌ای هستند، پژوهشگران درصددند تا از آن‌ها به عنوان سیناپس‌های بین نورونی در شبکه‌های مصنوعی استفاده کنند. گروهی از دانشمندان از دانشگاه‌های سانتا باربارا(Santa Barbara) و استونی بروک (Stony Brook)، از این روش‌های ساخت جدید استفاده کرده و یک آرایه متقاطع ممریستوری در ابعاد 12 در 12 ساخته‌اند که قادر است یک عملیات ابتدایی شناسایی و تشخیص الگو را انجام دهد. با آموزش توسط چند الگوی نمونه مانند حروف الفبا و تنظیم وزن اتصالات سیناپسی، این شبکه قادر خواهد بود حروف و الگوهای بیشتری را نیز شناسایی کند.

این شبکه، 10 ورودی و 3 خروجی داشته وتمام اتصالات داخلی آن توسط 30 سیناپس با وزن‌های متفاوت برقرار شده‌است. به‌عنوان یک آزمایش، این شبکه توانست با موفقیت تصاویر سیاه و سفید با ابعاد 3 در 3 پیکسل را شناسایی و در سه کلاس طبقه‌بندی کند. محققان انتظار دارند کهبا کاهش ابعاد ممریستورها به 30 نانومتر بتوان شبکه‌هایی با تراکم 100 بیلیون سیناپس در سانتیمتر مربع در هر لایه را ساخت. بسیاری از دانشمندان معتقدند که در صورت تحقق این امر، آینده محاسبات متحول شده و موجبات پیشرفت فناوری‌های مختلف، از لپ‌تاپ‌ها و تلفن‌ها گرفته تا روبات‌های متحرک، فراهم خواهد شد. ولی یک مغالطه بزرگ در این گمانه‌زنی‌ها وجود دارد.

ممریستورهای ساده، هرگز قادر نخواهند بود ویژگی کم‌مصرف بودن مغز را تقلید کرده و به دنبال آن، ماشین‌های کم‌مصرف بسازند. چرا که اکثر انرژی مصرفی توسط نورون‌ها، صرف پمپاژ یون‌ها جهت فرستادن پالس‌های گذرا به یکدیگر نمی‌شود. بلکه نورون‌ها از این انرژی برای ایجاد ارتباطات فیزیکی با دیگر سلول‌ها استفاده می‌کنند. هر نورون، یک ماشین جهانی است کهدر زمینه پردازش آگاهانه اطلاعات، بسیار پر بازده‌عمل کرده و رفتارهایی از قبیل تغذیه، دفاع و فرار را از خود نشان می‌دهد. در حالیکه ممریستورها چنین قابلیت‌هایی ندارند.

با یک دیدگاه مثبت‌تر می‌توان گفت که برای استفاده مفید از ممریستورها، نیازی به تبدیل آن‌ها به یک مغز کامل نیست. پتانسیل ممریستورها برای استفاده به عنوان حافظه‌های آنالوگ و حتی المان‌های منطقی چندکاره بسیار چشمگیر است.با کشف مناسب‌ترین ماده برای ساخت، می‌توان تراشه‌های ممریستوری با تراکم بالا و عملکرد تمام و کمال تولید کرد.

منبع:

 http://www.extremetech.com/extreme/205231-memristors-linked-into-neural-network-arrays