1
ستاد ویژه توسعه فناوری نانو Iran Nanotechnology Initiative Council بستن
  • ستاد ویژه توسعه فناوری نانو

  • بانک اطلاعات شاخص های فناوری نانو

  • سایت جشنواره فناوری نانو

  • سیستم جامع آموزش فناوری نانو

  • شبکه آزمایشگاهی فناوری نانو

  • موسسه خدمات فناوری تا بازار

  • کمیته استانداردسازی فناوری نانو

  • پایگاه اشتغال فناوری نانو

  • کمیته نانو فناوری وزارت بهداشت

  • جشنواره برترین ها

  • مجمع بین المللی اقتصاد نانو

  • اکو نانو

  • پایگاه اطلاع رسانی محصولات فناوری نانو ایران

  • شبکه ایمنی نانو

  • همایش ایمنی در نانو

  • گالری چند رسانه ای نانو

  • تجهیزات فناوری نانو

  • صنعت و بازار

  • باشگاه نانو

نگهداری فناوری نانو در ذهن

افراد مقاله : ‌ مترجم - حسین شکی

موضوع : علم و پژوهش کلمات کلیدی : مغز و رایانه - محاسبات و شبیه سازی - نانو مدار - پردازش اطلاعات تاریخ مقاله : 1396/03/02 تعداد بازدید : 530

پیشرفت در زمینه فناوری نانو و علم مواد نشان می دهد که ممکن است تغییر در پارادایم محاسباتی، زودتر از آنچه فکر می کنیم اتفاق بیفتد. یادگیری ماشینی- پیاده‌سازی کارهای محاسباتی که شامل یادگیری از طریق تجربه است- به ناچار از روی اصول کاری مغزهای بیولوژیک الهام گرفته شده است. با این حال، مشخصه های معماری ون‌نیومن (von Neumann) در رایانه های معمولی، به طور ذاتی متفاوت از معماری مغزی است. گذشته از تفاوت های ماکروسکوپی مانند طبیعت دیجیتالی کلی پردازش سینگال که برخلاف رویکرد آنالوگ مغز است، معماری پیشین از جداسازی فیزیکی ناکافی بین حافظه و واحدهای پردازشگر مرکزی رنج می برد.

 

به منظور شفاف‌سازی اهمیت الگوریتم یادگیری ماشینی، پژوهشگران در حوزه فیزیک انرژی بالا[1] و ستاره‌شناسی قبلاً آن‌ها را به طور معمول استخراج می‌کردند تا سینگال‌های خیلی ضعیف موجود در اختلال‌ها[2] را حذف کنند- آشکارسازی اخیر امواج گرانشی به‌وسیله‌ی LIGO Scientific Collaboration تنها جدیدترین مثال پیشگامانه از این نوع است. اکنون اگر نیاز است که یادگیری ماشینی کاراتر و اثرگذارتر شود، یک تغییر پارادایمی جدی برای معماری کلی سخت‌افزارهای درنظرگرفته‌شده مورد نیاز خواهد بود. این موضوع سبب برانگیختن تلاش‌های اخیر به سمت محاسباتی شده‌است که به اصطلاح شبه‌عصبی[3] نامیده می‌شوند؛ محاسباتی که شامل پیاده‌سازی الگوریتم‌ها به‌وسیله‌ی سخت‌افزارهای دارای معماری تقلید شده از ساختار مغز و بر اساس قرارگیری نرون‌ها و سیناپس‌ها است.

پیشرفت‌های قابل توجه در محاسبات شبه‌عصبی، هم در سطح ابزارهای منفرد[4] و هم معماری‌های سخت افزاری، بر اساس تکمیل نیمه‌رساناهای اکسید فلزی (CMOS) ساخته شده‌اند. با این وجود در بخش افزایش مقیاس[5] و بازدهی انرژی، فناوری‌های CMOS برای محاسبات شبه‌عصبی مناسب نخواهند بود. فناوری نانو و علم مواد باید مفاهیم جدیدی را با هدف تقلید از طبیعت، پیشنهاد کنند- اهداف مشخص برنامه پیشگامی ملی[6]. در این مسیر رفتار حافظه‌ای[7]- حالت مقاومتی که وابسته به ولتاژ و جریان اعمال شده در گذشته است که به طور طبیعی برای پیاده‌سازی فرآیندهای یادگیری در سطح ابزارهای منفرد مناسب است- تحریک‌کننده حجم عظیم پژوهش‌های پایه روی مواد احتمالی و ابزارهای نانومقیاس دارای این خواص بوده است.

در شماره 11 از مجله نیچر (سال 2016) در صفحه 693، Tomas Tuma و همکارانش گزارشی جدید در مورد یک ابزار منفرد حافظه‌ای نانومقیاس بر مبنای مواد تغییر فازی[8] منتشر کرده‌اند که هم عملکردهای یکپارچه و هم عملکردهای ناگهانی غشاهای عصبی و خاصیت دینامیکی ذاتی تصادفی آن در مقیاس نانوثانیه را شبیه‌سازی می‌کند که مصرف انرژی آن بسیار پایین است. بر خلاف محدودیت‌ها، چشم‌انداز افزایش مقیاس این ابزارها به معنی آن است که ما یک گام به تغییر عمیق در پارادایم محاسبات نزدیک شده‌ایم.

 

منبع

NATURE NANOTECHNOLOGY, VOL 11, AUGUST 2016.

www.nature.com/naturenanotechnology