معجزه دانشمندان: تبدیل ترانزیستورهای روزمره به نورونهای مصنوعی

این ترانزیستور قادر است هم شلیک عصبی (انتقال سیگنال) و هم تغییر وزن سیناپسی (یادگیری) را شبیه‌سازی کند. از فناوری CMOS استفاده شده که در ریزتراشه‌های امروزی به کار می‌رود؛ بنابراین نیازی به مواد یا فرآیند‌های تولید جدید نیست.

سلول ساخته شده با نام NS-RAM، انرژی کمتری مصرف می‌کند و در چرخه‌های مکرر عملکرد پایدار دارد. تیم به رهبری پروفسور ماریو لانزا، با تنظیم مقاومت ترمینال ترانزیستور، دو پدیده فیزیکی را کنترل کردند. پانچ از طریق یونیزاسیون ضربه (شبیه انتقال سریع سیگنال عصبی) و به دام انداختن بار (شبیه تغییر قدرت سیناپسی برای یادگیری) از این طریق کنترل شدند.

این ترانزیستور‌ها در قالب یک سلول دوترانزیستوری (NS-RAM) سازماندهی شدند که قابلیت کار در دو حالت عصبی و سیناپسی را دارد.

چرا این کشف مهم است؟

پیشتر، سیستم‌های نورومورفیک به مدار‌های چندترانزیستوری یا مواد آزمایشی نیاز داشتند، اما این روش از سیلیکون استاندارد استفاده می‌کند. مغز انسان با مصرف انرژی بسیار کم، محاسبات پیچیده انجام می‌دهد. این فناوری با تقلید از مغز، مصرف انرژی هوش مصنوعی را کاهش می‌دهد.

فناوری CMOS به‌طور گسترده در تولید پردازنده‌ها و حافظه‌ها استفاده می شود، بنابراین مقیاس پذیری بالا دارد. این ترانزیستور‌ها همانند نورون‌ها و سیناپس‌های بیولوژیکی رفتار می کنند و با زیرساخت‌های موجود سازگارند. این یعنی ما به هوش مصنوعی سریعتر، کممصرفتر و قابل اعتمادتر برای کاربرد‌های واقعی نزدیک شده ایم.

کاهش مصرف انرژی مدل‌های زبانی بزرگ (مانند ChatGPT) و امکان استفاده در دستگاه‌های همراه، پردازش اطلاعات در لحظه بدون نیاز به ابررایانه ها و ایمپلنت‌های عصبی با قابلیت یادگیری و تطبیق پذیری مزایای این طرح است.

ساینس دیلی اعلام کرد: هدف این حوزه، تقلید از کارایی مغز (با ۹۰ میلیارد نورون و ۱۰۰ تریلیون سیناپس) در پردازش اطلاعات است. تاکنون سیستم‌های مبتنی بر نرم افزار، انرژی بسیار بالایی مصرف می‌کردند، اما سخت‌افزار‌های نورومورفیک جدید مانند NS-RAM، راه را برای هوش مصنوعی سبز هموار می‌کنند.

این پژوهش با حمایت صندوق نوآوری سنگاپور انجام شده و انتظار می‌رود نمونه‌های صنعتی آن تا ۵ سال آینده تجاری شود.