با کند شدن پیشرفت در محاسبات سنتی ، اشکال جدیدی از محاسبات به منصه ظهور می رسند. در ایالت پن ، تیمی از مهندسان در حال تلاش برای ایجاد نوعی پردازش هستند که ضمن بهره برداری از ماهیت آنالوگ مغز ، از کارایی شبکه های عصبی مغز نیز تقلید می کند.
محاسبات مدرن دیجیتال است و از دو حالت روشن - خاموش یا یک - صفر تشکیل گردیده. یک کامپیوتر آنالوگ ، مانند مغز ، حالات ممکن بسیاری دارد. این تفاوت بین خاموش یا روشن کردن کلید لامپ یا چرخاندن پیچ تنظیم نور لامپ برای دسترسی به مقادیر مختلف روشنایی است.
طبق گفته Saptarshi Das ، سرپرست تیم و استادیار علوم مهندسی و مکانیک ایالت پن ، محاسبات نورومورفیک یا الهام گرفته از مغز، بیش از 40 سال است که مورد مطالعه قرار گرفته اما نکته جدید این است که محدودیت های موجود در محاسبات دیجیتال ، با نیاز به پردازش تصویر با سرعت بالا ، به عنوان مثال برای اتومبیل های خودران ، همزمان شده است. ظهور داده های بزرگ و نیاز به انواع تشخیص الگو ، عامل دیگری در جهت تمایل به گسترش محاسبات عصبی است.
داس میگوید: " شکی نیست که ما رایانه های قدرتمندی داریم ، مشكل این است كه شما باید داده ها را در یك محل حافظه ذخیره كرده و محاسبات را در محل دیگری انجام دهید."
جابجایی این داده ها از حافظه به پردازشگر و برگشت دوباره آنها انرژی زیادی برده و سرعت محاسبات را کاهش می دهد. به علاوه ، این نوع از معماری کامپیوتر به فضای زیادی نیاز دارد. اگر محاسبه و ذخیره سازی حافظه در یک فضا انجام شود ، می توان این تنگنا را از بین برد.
توماس شرانگامر ، دانشجوی دکترای گروه Das و نویسنده اول مقاله ای که اخیراً در Nature Communications منتشر شده است ، توضیح می دهد: "ما در حال ایجاد شبکه های عصبی مصنوعی هستیم ، که به دنبال تقلید از بهره وری انرژی و مکان در مغز هستند."
"مغز بسیار جمع و جور است و می تواند بر روی شانه های شما قرار گیرد ، در حالی که یک ابر رایانه مدرن فضایی به اندازه دو یا سه زمین تنیس را اشغال می کند."
مانند سیناپس های متصل نورون های مغز که می توانند دوباره پیکربندی شوند ، شبکه های عصبی مصنوعی که این تیم در حال ساخت آن است می توانند با استفاده از یک میدان الکتریکی مختصر روی یک ورق گرافن ، یک لایه ضخیم اتمی از اتم های کربن ، پیکربندی مجدد شوند.
در این پروژه ، آنها حداقل 16 حالت حافظه ممکن بوجود می آورند ، در حالی که مموریستورها یا مقاومت های حافظهء مبتنی بر اکسید تنها دو حالت دارند.
داس می گوید: "آنچه ما نشان دادیم این است كه می توانیم تعداد زیادی از حالت های حافظه را با استفاده از ترانزیستورهای اثر میدان گرافن با دقت كنترل كنیم."
این تیم معتقد است که ارتقای این فناوری در مقیاس تجاری عملی است. با توجه به اینکه بسیاری از بزرگترین شرکتهای نیمه هادی فعالانه محاسبات نورومورفیک را دنبال می کنند ، داس معتقد است که این پروژه مورد علاقه این شرکت ها خواهد بود.
دفتر تحقیقات ارتش امریکا از این پروژه حمایت می کند.
مهندس نریمان زعیم کهن
