پژوهشگران چینی موفق به توسعه یک تراشه مبتنی بر ممریستور (Memristor) شدهاند که میتواند شبیهسازیهای پیچیده مغز را در کمتر از ۱۰ میلیثانیه انجام دهد، سرعتی که به گفته محققان با ریتم پردازش اطلاعات در مغز انسان قابل مقایسه است. این دستاورد میتواند مسیر توسعه رابطهای مغز و رایانه، جراحیهای هوشمند و مدلسازی دقیق بیماریهای عصبی را هموار کند.
به گزارش گروه ترجمه خبرگزاری برنا به نقل از ساینس دیلی، در این پژوهش دانشمندان از سامانهای مبتنی بر دینامیک عصبی استفاده کردهاند، روشی که شبکههای عصبی را با معادلات ریاضی برای مدلسازی تغییرات سیستمهای پیچیده در طول زمان ترکیب میکند. این فناوری در حوزههایی مانند مدلسازی فیزیکی، تصویربرداری پزشکی و بازسازی سهبعدی مغز کاربرد دارد اما به دلیل نیاز به محاسبات مکرر، بررسی مداوم دقت و تنظیم پیوسته گامهای محاسباتی به توان پردازشی بسیار بالایی نیاز دارد.
یکی از چالشهای اصلی رایانههای متداول جابهجایی مداوم دادهها میان حافظه و پردازنده است، فرایندی که علاوه بر افزایش مصرف انرژی، سرعت پردازش را نیز کاهش میدهد و مانعی جدی برای اجرای محاسبات بلادرنگ به شمار میرود.
تراشه جدید این مشکل را با استفاده از فناوری پردازش درونحافظهای (In-Memory Computing) برطرف کرده است. در این روش بخش مهمی از عملیات محاسباتی مستقیما در محل ذخیرهسازی دادهها انجام میشود و نیاز به انتقال اطلاعات میان حافظه و پردازنده به حداقل میرسد. نتیجه این رویکرد افزایش چشمگیر سرعت پردازش و کاهش قابل توجه مصرف انرژی است.
محققان معتقدند مدلسازی بلادرنگ مغز میتواند در آینده نقش مهمی در توسعه رابطهای مغز و رایانه (BCI)، سامانههای هدایت جراحی، تصویربرداری پزشکی و سایر فناوریهای مبتنی بر علوم اعصاب ایفا کند، حوزههایی که سختافزارهای فعلی هنوز از نظر سرعت و بهرهوری انرژی با محدودیت مواجه هستند.
این تراشه با فناوری ساخت ۴۰ نانومتری تولید شده و از واحدهای پردازش درونحافظهای و آرایههای مبتنی بر تغییر هدایت الکتریکی در فضایی به مساحت تنها ۰٫۲۸ میلیمتر مربع بهره میبرد. فرکانس کاری آن ۵۰ مگاهرتز است و هر مرحله از محاسبات را در قالب یک خط لوله ۹ مرحلهای اجرا میکند.
براساس نتایج آزمایشها این تراشه در محاسبات دینامیک عصبی نسبت به پیشرفتهترین مدارهای مجتمع اختصاصی (ASIC) بین ۳٫۸۲ تا ۳۶٫۲۷ برابر سریعتر عمل کرده و ۱۱٫۷۵ تا ۲۴٫۷۳ برابر انرژی کمتری مصرف کرده است.
همچنین در بازسازی سطح قشر مغز عملکرد این تراشه در مقایسه با پردازنده گرافیکی NVIDIA A۱۰۰ تا ۴۷۸٫۱۸ برابر سریعتر گزارش شده است. این دستاورد نشاندهنده ظرفیت بالای این فناوری در اجرای محاسبات پیچیده عصبی است.
پژوهشگران برای ارزیابی عملکرد تراشه از آن برای بازسازی مرزهای ماده سفید و ماده خاکستری مغز و تولید مدلهای سهبعدی از سطح قشر مغز استفاده کردند. نتایج نشان داد سطوح بازسازیشده کاملا بسته، هموار و از نظر توپولوژیکی سازگار هستند و در عین حال چینخوردگیهای پیچیده قشر مغز را با دقت بالا حفظ میکنند.
این سامانه همچنین در شاخصهایی مانند Average Symmetric Surface Distance (ASSD) و Hausdorff Distance که برای سنجش میزان تطابق مدل بازسازیشده با ساختار واقعی استفاده میشوند عملکرد مطلوبی از خود نشان داد و توانست میان سرعت پردازش و دقت مدلسازی تعادل برقرار کند.
محققان میگویند این فناوری میتواند محاسبات پیچیده مدلسازی عصبی را که تاکنون بهصورت آفلاین و زمانبر انجام میشد به پردازشهایی در مقیاس میلیثانیه تبدیل کند. به اعتقاد آنها این پیشرفت در آینده میتواند زمینهساز توسعه رابطهای مغز و رایانه ایجاد دوقلوی دیجیتال مغز هدایت بلادرنگ جراحیهای مغزی، بازسازی دقیق سطح مغز و همچنین ابزارهای پژوهشی برای مطالعه بیماریهای تحلیلبرنده عصبی مانند آلزایمر و پارکینسون باشد.
انتهای پیام/