محققان یک دستگاه حافظه نورومورفیک در اندازه نانو را گزارش کرده‌اند که نورون‌ها و سیناپس‌ها را به‌طور همزمان در یک سلول واحد شبیه‌سازی می‌کند، که گام دیگری به سوی تکمیل هدف محاسبات نورومورفیک طراحی شده برای تقلید دقیق مغز انسان با دستگاه‌های نیمه‌رسانا است.
محاسبات نورومورفیک با تقلید از مکانیسم های نورون ها و سیناپس هایی که مغز انسان را می سازند، به هوش مصنوعی (AI) دست می یابد. با الهام از عملکردهای شناختی مغز انسان که رایانه های فعلی نمی توانند ارائه کنند، دستگاه های نورومورفیک به طور گسترده مورد بررسی قرار گرفته اند. با این حال، مدارهای نورومورفیک مبتنی بر نیمه هادی اکسید فلز مکمل (CMOS) به سادگی نورون های مصنوعی و سیناپس ها را بدون فعل و انفعالات هم افزایی به هم متصل می کنند و اجرای همزمان نورون ها و سیناپس ها همچنان یک چالش باقی می ماند. برای رسیدگی به این مسائل، یک تیم تحقیقاتی به رهبری پروفسور Keon Jae Lee از دپارتمان علوم و مهندسی مواد، مکانیسم‌های کار بیولوژیکی انسان را با معرفی برهمکنشهای نورون-سیناپس در یک سلول حافظه واحد، به جای رویکرد مرسوم اتصال الکتریکی، پیاده‌سازی کردند. دستگاه های عصبی مصنوعی و سیناپسی.
مشابه کارت‌های گرافیک تجاری، دستگاه‌های سیناپسی مصنوعی که قبلاً مورد مطالعه قرار گرفته‌اند، اغلب برای سرعت بخشیدن به محاسبات موازی استفاده می‌شوند، که تفاوت‌های واضحی را با مکانیسم‌های عملیاتی مغز انسان نشان می‌دهد. تیم تحقیقاتی برهمکنشهای هم افزایی بین نورون‌ها و سیناپس‌ها را در دستگاه حافظه نورومورفیک اجرا کردند و مکانیسم‌های شبکه عصبی بیولوژیکی را شبیه‌سازی کردند. علاوه بر این، دستگاه نورومورفیک توسعه‌یافته می‌تواند مدارهای عصبی پیچیده CMOS را با یک دستگاه جایگزین کند و مقیاس‌پذیری و کارایی هزینه بالایی را ارائه دهد.
مغز انسان از شبکه پیچیده ای از 100 میلیارد نورون و 100 تریلیون سیناپس تشکیل شده است. عملکردها و ساختارهای نورون ها و سیناپس ها می توانند به طور انعطاف پذیر با توجه به محرک های خارجی تغییر کنند و با محیط اطراف سازگار شوند. تیم تحقیقاتی یک دستگاه نورومورفیک ساخت که در آن خاطرات کوتاه‌مدت و بلندمدت با استفاده از دستگاه‌های حافظه فرار و غیرفرار که به ترتیب ویژگی‌های نورون‌ها و سیناپس‌ها را تقلید می‌کنند، وجود دارند. یک دستگاه سوئیچ آستانه به عنوان حافظه فرار و حافظه تغییر فاز به عنوان یک دستگاه غیر فرار استفاده می شود. دو دستگاه لایه نازک بدون الکترودهای میانی ادغام شده‌اند و سازگاری عملکردی نورون‌ها و سیناپس‌ها را در حافظه نورومورفیک اجرا می‌کنند.
پروفسور Keon Jae Lee توضیح داد: “نورون ها و سیناپس ها با یکدیگر تعامل دارند تا عملکردهای شناختی مانند حافظه و یادگیری را ایجاد کنند، بنابراین شبیه سازی هر دو عنصر ضروری برای هوش مصنوعی الهام گرفته از مغز است. دستگاه حافظه عصبی نورومورفیک توسعه یافته همچنین اثر بازآموزی را تقلید می کند که اجازه می دهد تا یادگیری سریع اطلاعات فراموش شده با اجرای یک اثر بازخورد مثبت بین نورون ها و سیناپس ها.”
این نتیجه با عنوان “شبیه سازی همزمان پلاستیسیته سیناپسی و درونی با استفاده از سیناپس حافظه دار” در شماره 19 می 2022 منتشر شد. ارتباطات طبیعت.
منبع:
مرجع مجله:
سونگ، SH، و همکاران (2022) شبیه سازی همزمان شکل پذیری سیناپسی و ذاتی با استفاده از سیناپس حافظه دار. ارتباطات طبیعت. doi.org/10.1038/s41467-022-30432-2.