به گزارش خبرگزاری مهر، برای اولین بار یک شبکه عصبی فیزیکی با استفاده از نانوسیم ساخته شد که میتواند با الهام از نحوه عملکرد نورونهای مغز انسان، چیزی را به خاطر بسپارد. نتایج این پروژه، مسیر را برای توسعه هوش مصنوعی کارآمد و کم مصرف باز میکند.
نتایج این پروژه محققان که ماحصل همکاری میان دانشمندان دانشگاه سیدنی و دانشگاه کالیفرنیا است در نشریه Nature Communications به چاپ رسیده است.
روومین زو، نویسنده اصلی این مقاله و محقق دانشگاه سیدنی میگوید: «این یافتهها نشان میدهد که چگونه عملکردهای یادگیری و حافظه الهام گرفته شده از مغز با استفاده از شبکههای نانوسیم میتواند برای پردازش دادههای پویا استفاده شود.»
شبکههای نانوسیم از سیمهای ریزی تشکیل شدهاند که قطری در مقیاس نانومتری دارند. سیمها خود را به الگوهایی شبیه بازی “Pick Up Sticks” کودکان شکل میدهند و از شبکه های عصبی مانند آنچه در مغز ما است، تقلید میکنند. از این شبکهها میتوان برای انجام وظایف خاصی مانند پردازش اطلاعات استفاده کرد.
وظایف حافظه و یادگیری با استفاده از الگوریتمهای سادهای انجام میشود که به تغییرات مقاومت الکترونیکی در اتصالات پاسخ میدهند، اتصالاتی که در آن نانوسیمها با هم همپوشانی دارند. این عملکرد که بهعنوان «سوئیچینگ حافظه مقاومت» شناخته میشود، هنگامی ایجاد میشود که ورودیهای الکتریکی با تغییر در هدایت روبرو شوند، مشابه آنچه در سیناپس مغز ما اتفاق میافتد.
در این مطالعه، محققان از این شبکه برای تشخیص و به یاد آوردن توالی پالسهای الکتریکی مربوط به تصاویر، با الهام از نحوه پردازش اطلاعات مغز انسان استفاده کردند.
زدنکا کونسیس از محققان این پروژه میگوید: «تحقیقات قبلی ما توانایی شبکههای نانوسیم را برای به یاد آوردن وظایف ساده ایجاد کرده است. در این پروژه جدید نشان دادیم که با استفاده از دادههای پویا که بهصورت آنلاین در دسترس هستند میتوان همین کار را کرد. این نتایج یک قدم مهم رو به جلو است زیرا دستیابی به توانایی یادگیری آنلاین هنگام برخورد با مقادیر زیادی از داده ها که می توانند به طور مداوم در حال تغییر باشند، چالش برانگیز است. یک رویکرد استاندارد، ذخیره دادهها در حافظه و سپس آموزش یک مدل یادگیری ماشین برای استفاده از اطلاعات ذخیره شده است. اما این امر میتواند انرژی زیادی را برای کاربردهای گسترده نیاز داشته باشد. رویکرد جدید ما به شبکه عصبی نانوسیم اجازه میدهد تا در حالت آنلاین یاد بگیرد و به یاد بیاورد در نتیجه از نظر هزینه کم مصرفتر است.»