دانشمندان سوئدی، نوعی ترانزیستور مبتنی بر مواد آلی ابداع کرده‌اند که می‌تواند کار یادگیری را مشابه مغز انجام دهد.
به گزارش ایسنا و به نقل از نوروساینس نیوز ، دانشمندان “دانشگاه لینشوپینگ”(LiU) سوئد، ترانزیستور جدیدی را با استفاده از مواد آلی ابداع کرده‌اند که توانایی یادگیری دارد. این ترانزیستور که هم به حافظه کوتاه‌مدت و هم به حافظه بلند مدت مجهز است، یک گام مهم در ابداع فناوری‌هایی به شمار می‌رود که می‌توانند از مغز انسان تقلید کنند.
تاکنون، مغز به خاطر توانایی در ایجاد ارتباطاتی که پیشتر وجود نداشته‌اند، منحصر به فرد بود اما دانشمندان دانشگاه لینشوپینگ در پروژه جدید خود، ترازیستوری ابداع کرده‌اند که می‌تواند ارتباط جدیدی میان ورودی‌ها و خروجی‌ها برقرار کند. آنها این ترانزیستور را با یک مدار الکترونیکی ترکیب کردند تا بتوانند نحوه اتصال یک محرک خاص به یک سیگنال خروجی را به آن آموزش دهند. این کار با همان روشی صورت می‌گیرد که به وسیله آن، یک سگ یاد می‌گیرد صدای ظرف غذایش به معنای آماده بودن غذا است.
عملکرد یک ترانزیستور معمولی، مانند دریچه‌ای است که سیگنال خروجی را با توجه به ویژگی‌های سیگنال ورودی، تقویت یا تنظیم می‌کند. دریچه این ترانزیستور جدید، از یک پلیمر رسانا تشکیل شده که طی فرآیند “الکتروپلیمریزاسیون” ((electropolymerization شکل گرفته است. این دریچه، قابل شکل دادن، رشد یا کاهش است و می‌توان آن را برای واکنش نشان دادن به یک محرک مغزی یا سیگنال ورودی خاص آموزش داد.
“سیمون فابیانو” (Simone Fabiano)، پژوهشگر ارشد این پروژه گفت: این نخستین بار است که شکل‌گیری یک عنصر الکترونیکی جدید در ابزار “عصب‌گون” یا “نورومورفیک” (neuromorphic) نشان داده می‌شود.
“جنیفر گراسیموف” (Jennifer Gerasimov)، از نویسندگان این پژوهش گفت: ما در این پروژه نشان داده‌ایم که می‌توان هم از تغییرات کوتاه‌مدت و هم از تغییرات پایدار برای پردازش اطلاعات ترانزیستور استفاده کرد. این موضوع برای تقلید از روش ارتباط سلول‌های مغز با یکدیگر مهم است.
با تغییر سیگنال ورودی، می‌توان قدرت واکنش ترانزیستور را تنظیم کرد و ارتباطاتی را به وجود آورد که پیش از این وجود نداشته‌اند. عملکرد ترانزیستور در این حالت، مانند عملکرد سیناپس و یا ارتباط میان دو سلول مغزی است.
ابداع این ترانزیستور، یک گام مهم در حوزه یادگیری ماشینی با کمک ابزار الکترونیکی آلی نیز به شمار می‌رود. شبکه‌های عصبی مصنوعی، در حال حاضر در حوزه یادگیری ماشینی به کار می‌روند تا دستیابی به یادگیری عمیق ممکن شود. استفاده از نرم‌افزار در این حوزه، به سیگنال‌هایی نیاز دارد که برای تحریک یک سیناپس منتقل شوند. این کار، نیروی محاسباتی قابل توجه و انرژی بسیاری را می‌طلبد.
گراسیموف افزود: ما با استفاده از یک عنصر الکترونیکی، سخت‌افزاری ابداع کرده‌ایم که همه این ویژگی‌ها را در خود جای داده است.
این ترانزیستور الکتروشیمیایی می‌تواند با به کار بردن همان میزان انرژی که مغز برای ارتباط بین دو سلول مصرف می‌کند، کار هزاران ترانزیستور معمولی را انجام دهد.
مغز انسان
محققان سال‌هاست که روی ساخت رایانه‌های مبتنی بر مغز انسان کار می‌کنند، اما بسیاری از آنها ناموفق بوده‌اند. برخی از اولین تلاش‌ها شامل اتصال سلول‌های عصبی به وسایل الکترونیکی در ظروف پتری بود، اما همانطور که Gianaurelio Cuniberti، استاد علوم مواد و نانوتکنولوژی در دانشگاه درسدن، می‌گوید: «یک تراشه کامپیوتری مرطوب که باید همیشه تغذیه شود فایده ای برای کسی ندارد.»
تیم محققین در اجرای نوروترانزیستور موفق بودند.
ما یک ماده چسبناک – به نام سولژل – را روی یک ویفر سیلیکونی معمولی با مدار اعمال می کنیم. این پلیمر سخت می شود و به یک سرامیک متخلخل تبدیل می شود. یون ها بین سوراخ ها حرکت می کنند. آنها از الکترون ها سنگین تر هستند و پس از تحریک دیرتر به موقعیت خود باز می گردند. این تاخیر که هیسترزیس نامیده می شود، همان چیزی است که باعث اثر ذخیره سازی می شود. هر چه یک ترانزیستور بیشتر برانگیخته شود، زودتر باز می شود و جریان را به جریان می اندازد. این ارتباط را تقویت می کند. سیستم در حال یادگیری است.»
به گفته این تیم، تراشه از دقت کمتری برخوردار است و محاسبات ریاضی را در مقایسه با محاسبه آنها تا آخرین اعشار تخمین می زند.
کانیبرتی می گوید: «اما آنها باهوش تر خواهند بود. به عنوان مثال، یک ربات با چنین پردازنده هایی راه رفتن یا گرفتن را یاد می گیرد. یک سیستم نوری دارد و تشخیص اتصالات را یاد می گیرد. و همه اینها بدون نیاز به توسعه هیچ نرم افزاری است.”
یکی از مزایای مهم دیگر این نوع کامپیوتر این است که انعطاف پذیری آن به آن اجازه می دهد در حین کار تغییراتی ایجاد کند و سازگار شود. دقیقاً مانند مغز انسان، این بدان معناست که رایانه می تواند در نهایت با مشکلاتی روبرو شود و آنها را حل کند که هرگز برای شروع آن برنامه ریزی نشده بود.
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.
