به گزارش روز شنبه گروه اخبار علمی ایرنا از پایگاه خبری ساینس دیلی، در یك مغز زنده برای پردازش و ذخیره اطلاعات، سلول‌های عصبی پیغام‌های الكتریكی را به یكدیگر مخابره می‌كنند. در بین نورون‌ها فواصل كوچكی موسوم به سیناپس وجود دارد.
این فواصل امكان انتقال سیگنال‌ها را فراهم می‌كنند و هربار كه یك سیگنال منتقل می‌شود، اتصال بین دو نورون تقویت می‌شود. بدین ترتیب با افزایش دفعات انتقال سیگنال در یك سیناپس انرژی كمتری صرف مخابره پیام‌های الكتریكی در آن سیناپس می‌شود و این تقویت اتصالات نورون‌ها، روشی است كه مغز انسان برای یادگیری و ذخیره اطلاعات به طور همزمان از آن بهره می‌برد.
شبكه‌های عصبی، این فرآیند را در سطح نرم‌افزاری مدل‌سازی می‌كنند و برای این منظور از الگوریتم‌های یادگیری عمیق استفاده می‌كنند؛ اما این فرآیند به دلیل استفاده از تجهیزات سخت‌افزاری متداول، دارای محدودیت‌هایی است.
برای حل این مشكل محققان استنفورد به جای شبیه سازی نرم‌افزاری شبكه عصبی تلاش كردند تا یك شبكه عصبی بسازند. محققان در جریان كار خود توانستند یك سیناپس مصنوعی فیزیكی بسازند كه قادر است اطلاعات را به طور همزمان پردازش و ذخیره كند.
این سیناپس كه برای تامین انرژی موردنیاز از یك باتری بهره می‌برد و عملكردی شبیه به ترانزیستور دارد، از دو لایه نازك و سه ترمینال تشكیل شده است كه درون آب نمك به عنوان الكترولیت قرار گرفته‌اند. بدین ترتیب هربار سیگنال‌های الكتریكی بین دو ترمینال منتقل می‌شوند و این فرآیند توسط ترمینال سوم كنترل می‌شود.
انرژی موردنیاز این سیناپس مصنوعی 10 هزار برابر یك سیناپس واقعی است؛ با وجود این، طراحی و ساخت آن یك گام بسیار مهم در مسیر صحیح محسوب می‌شود و محققان امیدوارند با انجام آزمایشات و تحقیقات بیشتر بتوانند كارآیی این سیناپس مصنوعی را افزایش دهند.
مغز انسان توانمندترین پردازنده طبیعی در جهان است؛ بنابر این عجیب نیست كه از سال‌ها قبل شبیه سازی چنین پردازنده‌ای یكی از مهمترین اهداف محققان باشد. شبكه‌های عصبی كه با روشی مشابه مغز انسان اطلاعات را می‌آموزند، نزدیك‌ترین نمونه‌های موجود به مغز انسان محسوب می‌شوند.
علمی (6)**9259**1440
مترجم: سپیده علی كاشانی**انتشار: گلشن
تهران - ایرنا - محققان دانشگاه استنفورد آمریكا یك سیناپس ارگانیك ساختند كه موجب افزایش قابلیت یادگیری رایانه ها می شود.
