تراشه های کامپیوتری شبیه مغز، از جنس عسل (ممریستور)

از آنجایی که سال هاست کمبود تراشه جهانی در دستور کار بوده است، نگرانی ها در مورد آن بدتر شد. علاوه بر این، اما آیا تحولات خوبی در صنعت تراشه وجود ندارد؟ خب، به نظر می رسد وجود دارد، ممریستور ها!

بر اساس مطالعه ای که در مجله Physics D منتشر شده است، مهندسان دانشگاه ایالتی واشنگتن (WSU) نشان داده اند که می توان از عسل برای تولید تراشه های کامپیوتری سازگار با محیط زیست و مغز مانند استفاده کرد.

محققان با الهام از سیناپس های انسانی، عسل را به شکل جامد پردازش کردند و آن را بین دو الکترود فلزی گیر دادند تا طرحی ساختار یافته به نام «ممریستور» تولید کنند. ممریستورهای عسل قادرند نورون های انسانی را تقلید کرده و با حفظ اطلاعات، خیلی سریع روشن و خاموش شوند.

فنگ ژائو، دانشیار دانشکده مهندسی و علوم کامپیوتر WSU و نویسنده مسئول این مطالعه گفت:

“عسل فاسد نمی شود.” غلظت رطوبت بسیار پایینی دارد، بنابراین باکتری ها نمی توانند در آن زنده بمانند. این بدان معناست که این تراشه های کامپیوتری برای مدت بسیار طولانی بسیار پایدار و قابل اعتماد خواهند بود.

در حال حاضر اندازه ممریستور عسلی معادل موی انسان است. اما هدف تیم تحقیقاتی حرکت از مقیاس میکرو به مقیاس نانو است و اندازه ممریستورها را 1/1000 کوچکتر می کند.

راه حلی برای زباله های الکترونیکی

این خبر خوب است که با استفاده از عسل، سیستم های نورومورفیک علاوه بر سرعت و کارایی انرژی در مقایسه با سیستم های کامپیوتری امروزی، ارگانیک تر شده اند.

برخلاف تراشه‌های غیرقابل تجدید امروزی، این تراشه‌های کامپیوتری مبتنی بر عسل به دلیل قابلیت حل شدن در آب، تجدیدپذیر هستند. زیست تخریب پذیری آنها نوید راه حلی برای زباله های الکترونیکی را می دهد که با انباشته شدن بیش از 22 میلیون تن زباله در سال، محیط زیست را تهدید می کند.

ظاهرا ممریستورهای عسلی با ساختار تجدیدپذیر و زیست تخریب پذیر خود می توانند راه حلی برای مدت طولانی برای کاهش ضایعات الکترونیکی باشند.

ژائو گفت:

به دلیل این ویژگی‌های خاص، عسل برای ایجاد سیستم‌های نورومورفیک تجدیدپذیر و زیست تخریب‌پذیر بسیار مفید است.

چکیده مطالعه:

شبکه عصبی اسپکینگ (SNN) در معماری‌های نورومورفیک آینده به دستگاه‌های سخت‌افزاری نیاز دارد که نه تنها قادر به شبیه‌سازی عملکردهای اساسی سیناپس بیولوژیکی مانند پلاستیسیته وابسته به زمان سنبله (STDP) و پلاستیسیته وابسته به نرخ سنبله (SRDP) باشند، بلکه همچنین قابلیت تجزیه زیستی را نیز داشته باشند. چالش های زیست محیطی فعلی زباله های الکترونیکی در میان فناوری‌ها و مواد دستگاه‌های مختلف، دستگاه‌های سیناپسی حافظه‌دار مبتنی بر مواد آلی طبیعی به عنوان کاندیدای مطلوب برای برآوردن این نیازها ظاهر شده‌اند. ساختار فلز-عایق-فلز مشابه سیناپس بیولوژیکی با مصرف انرژی کم، سرعت سوئیچینگ سریع و شبیه سازی پلاستیسیته سیناپسی است، در حالی که مواد آلی طبیعی محلول در آب، تجدید پذیر و دوستدار محیط زیست هستند. در این مطالعه، پتانسیل یک ماده آلی طبیعی-ممریستور مبتنی بر عسل برای SNN ها نشان داده شد. دستگاه سوئیچینگ مقاومتی دوقطبی بدون تشکیل، سرعت سوئیچینگ بالا 100 ns زمان تنظیم و 500 ns زمان تنظیم مجدد، رفتارهای یادگیری STDP و SRDP و حل شدن در آب را نشان داد. مدل‌های هدایت بصری برای STDP و SRDP پیشنهاد شدند. این نتایج گواهی می‌دهد که دستگاه‌های سیناپسی حافظه‌دار مبتنی بر عسل برای اجرای SNN در الکترونیک سبز و سیستم‌های نورومورفیک زیست تخریب‌پذیر امیدوارکننده هستند.