أحد صفحات التقدم العلمي للنشر
تكنولوجياذكاء اصطناعي

“المشتبكات الاصطناعية” يمكن أن تجعل الشبكات العصبية تعمل مثل الأدمغة

يمكن لشبكات المقاومات النانوية التي تعمل بطريقة مشابهة للخلايا العصبية في الجسم أن تقدم مزايا تتفوق على تعلم الآلة الرقمي

يمكن استخدام وحدة مقاومة Resistor عمل بطريقة مشابهة لعمل الخلايا العصبية Nerve cells في الجسم لبناء شبكات عصبية Neural networks لتعلم الآلة Machine learning.
تعتمد العديد من نماذج تعلم الآلة الكبيرة على كميات متزايدة من قوة المعالجة Processing power لتحقيق نتائجها، ولكن هذا ينطوي على تكاليف طاقة هائلة وينتج كميات كبيرة من الحرارة.
أحد الحلول المقترحة هو تعلم الآلة التناظري Analogue machine learning، والذي يعمل مثل الدماغ باستخدام أجهزة إلكترونية مشابهة للخلايا العصبية تعمل كأجزاء من النموذج. ولكن، لم تكن هذه الأجهزة حتى الآن سريعة أو صغيرة أو فعالة بما يكفي لتوفير مزايا تتفوق على تعلم الآلة الرقمي Digital machine learning. ابتكر مورات أونين Murat Onen، من معهد ماساتشوستس للتكنولوجيا Massachusetts Institute of Technology، وزملاؤه مقاوماً نانوياً ينقل البروتونات من طرف إلى آخر. فهذا يشبه إلى حد ما المشتبك Synapse، وهو اتصال بين خليتين عصبيتين، حيث تتدفق الأيونات في اتجاه واحد لنقل المعلومات. ولكن هذه “المشتبكات الاصطناعية” أصغر ألف مرة وأسرع عشرة آلاف مرة من نظيراتها البيولوجية.
تماماً كما يتعلم الدماغ البشري من خلال إعادة تشكيل الروابط بين ملايين الخلايا العصبية المترابطة، كذلك يمكن أن تعمل نماذج تعلم الآلة على شبكات من هذه المقاومات النانوية. “نحن نقوم بأشياء مشابهة إلى حد ما للبيولوجيا، مثل النقل الأيوني Ion transport، لكننا بسرعة كبيرة، في حين أن البيولوجيا لا تستطيع العمل بهذه السرعات نفسها”، كما يقول أونين، وجهازه أسرع مليون مرة من أجهزة نقل البروتون السابقة.
يستخدم المقاوم مجالات كهربائية قوية لنقل البروتونات بسرعات عالية جداً دون إتلاف أو كسر المقاوم نفسه، وهي مشكلة عانتها مقاومات بروتون الحالة الصلبة السابقة Solid-state proton resistors.
وللتوصل إلى تعلم الآلة تناظري عملي، ستكون هناك حاجة إلى أنظمة تحتوي على ملايين المقاومات. ويقرُّ أونين بأن هذا يمثل تحدياً هندسياً، ولكن لما كانت المواد كلها متوافقة مع السيليكون، فسيسهل دمجها مع البنيات الحوسبية الحالية.
يقول سيرغي سافيليف Sergey Saveliev من جامعة لوبورو Loughborough University بالمملكة المتحدة: “بالنسبة إلى ما يحققونه من حيث التكنولوجيا – السرعة العالية جداً والطاقة المنخفضة والكفاءة- يبدو هذا مثيراً للإعجاب حقاً”. ومع ذلك، فإن حقيقة أن الجهاز يستخدم ثلاثة أطراف طرفية Terminals، بدلاً من اثنتين كما تفعل الخلايا العصبية البشرية، فقد يصعب تشغيل شبكات عصبية معينة، كما يضيف قائلا. ويقر بافيل بوريسوف Pavel Borisov، أيضاً من جامعة لوبورو، أنها تقنية رائعة، لكنه يشير إلى أن البروتونات تأتي من غاز الهيدروجين، والذي قد يكون من الصعب الاحتفاظ به بأمان في الجهاز عند توسيع نطاق التكنولوجيا.

 

بقلم أليكس ويلكنس

ترجمة Google translate

تنقيح فريق مجلة العلوم

© 2022, New Scientist, Distributed by Tribune Content Agency LLC

مقالات ذات صلة

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *

For security, use of Google's reCAPTCHA service is required which is subject to the Google Privacy Policy and Terms of Use.

زر الذهاب إلى الأعلى