سیستم تصویری مصنوعی با مصرف کم برق برای نسل بعدی هوش مصنوعی – ScienceDaily

[ad_1]

یک مطالعه مشترک که توسط دانشگاه سیتی هنگ کنگ (CityU) انجام شده است ، یک سیستم بینایی مصنوعی با مصرف انرژی بسیار کم برای تقلید از مغز انسان ساخته است که وظایف شناختی شدیدی را با موفقیت انجام داده است. نتایج آزمایشات آنها می تواند سیستمی امیدوار کننده از دستگاه ها را برای نسل بعدی برنامه های هوش مصنوعی (AI) فراهم کند.

تیم تحقیقاتی توسط پروفسور جانی چونگ-این هو ، دانشیار و استاد گروه علوم و مهندسی مواد (MSE) در CityU هدایت می شود. یافته های آنها در مجله علمی منتشر شده است پیشرفت علمیتحت عنوان “سیستم تصویری مصنوعی فعال شده توسط گازهای الکترونی شبه دو بعدی در نانوسیم های فوق شبکه ای اکسید. “

از آنجا که پیشرفت در فناوری نیمه هادی مورد استفاده در محاسبات دیجیتال نشانه هایی از رکود را نشان می دهد ، سیستم های محاسباتی نورومورفیک (مغز مانند) به عنوان یکی از گزینه های در نظر گرفته می شوند. دانشمندان در تلاشند نسل بعدی رایانه های پیشرفته را با هوش مصنوعی تولید کنند که می تواند به اندازه مغز انسان سبک ، کارآمد و سازگار باشد.

پروفسور هو گفت: “متأسفانه ، تقلید موثر از پلاستیک عصبی مغز – توانایی تغییر اتصالات شبکه عصبی یا اتصال مجدد – در سیناپس های مصنوعی موجود از طریق قدرت بسیار کم هنوز هم یک چالش است”.

افزایش بهره وری انرژی سیناپس مصنوعی

سیناپس مصنوعی یک نسخه مصنوعی از سیناپس است – شکافی که از طریق آن دو نورون از طریق سیگنال های الکتریکی عبور می کنند تا در مغز با یکدیگر ارتباط برقرار کنند. این دستگاهی است که از انتقال کارآمد سیگنال عصبی به مغز و روند تشکیل حافظه تقلید می کند.

برای بهبود بهره وری انرژی سیناپسهای مصنوعی ، تیم تحقیقاتی پروفسور هو ابتدا گازهای الکترونی شبه دو بعدی (شبه 2DEG) را به سیستمهای عصبی شکل مصنوعی وارد کرد. آنها با استفاده از نانوسیم های فوق شبکه ای اکسیدی – نوعی نیمه رسانا با خصوصیات الکتریکی جذاب – که توسط آنها ساخته شده است ، دستگاه های سیناپسی فوتونی شبه 2DEG را طراحی کردند که مصرف برق کمتری را تا یک زیر فمفتول (0.7fJ) در هر رویداد سیناپسی به دست آوردند. این به معنای کاهش 93 درصدی مصرف انرژی در مقایسه با سیناپس های مغز انسان است.

“آزمایشات ما نشان داده است که یک سیستم بصری مصنوعی مبتنی بر سیناپس های فوتونیکی ما می تواند همزمان توابع تشخیص حافظه ، پردازش شبه مغز و حافظه بسیار کم قدرت را انجام دهد. ما معتقدیم که یافته های ما می تواند یک استراتژی امیدوار کننده برای ساخت نورومورفیک مصنوعی ارائه دهد. سیستم هایی برای کاربردها در دستگاه های بیونیک ، چشم های الکترونیکی و رباتیک چند منظوره در آینده ، “گفت پروفسور هو.

به نظر می رسد تغییر در رسانایی در سیناپس ها باشد

وی توضیح داد که گاز الکترون دو بعدی هنگامی رخ می دهد که الکترون ها به یک رابط دو بعدی بین دو ماده مختلف محدود شوند. از آنجا که فعل و انفعالات الکترون-الکترون و فعل و انفعالات الکترون-یون وجود ندارد ، الکترونها حرکت می کنند آزادانه در رابط

هنگامی که در معرض یک نبض نور قرار می گیریم ، یک سری واکنش بین مولکول های اکسیژن از محیط جذب شده روی سطح نانوسیم ها و رایگان الکترونها توسط گازهای الکترونی دو بعدی درون نانوسیمهای فوق شبکه اکسید القا می شوند. بنابراین ، رسانایی سیناپس های فوتون تغییر می کند. با توجه به تحرک استثنایی حامل بار و حساسیت به محرک های نوری سیمهای فوق شبکه ، تغییر در رسانایی در سیناپس های فوتونیکی همانند سیناپس بیولوژیکی است. بنابراین ، سیناپس های فوتونی شبه 2DEG می توانند از طریق انتقال و ذخیره سیگنال ها توسط سلول های عصبی در مغز انسان تقلید کنند.

ترکیبی از ویژگی های تشخیص عکس و حافظه

“ویژگی های خاص مواد نانوسیم فوق شبکه ، به سیناپس های ما این امکان را می دهد تا هم عملکرد تشخیص عکس و هم حافظه داشته باشند. به طور خلاصه ، هسته های فوق شبکه نانوسیم می توانند محرک های نور را به روشی بسیار حساس تشخیص دهند ، و پوسته های نانوسیم می توانند حافظه را کار کنند. بنابراین هیچ لازم است ماژول های حافظه اضافی برای ذخیره شارژ در تراشه تشخیص تصویر ساخته شود. در نتیجه ، دستگاه ما می تواند انرژی را ذخیره کند. “

آنها با این سیناپس فوتونی شبه 2DEG ، یک سیستم بصری مصنوعی ساخته اند که می تواند محرک نوری تیز را با دقت و کارآیی تشخیص دهد و شکل محرک ها را به مدت یک ساعت “به خاطر بسپارد”. پروفسور هو توضیح داد: “همانطور که مغز ما آنچه را که برای مدتی دیده ایم به خاطر می آورد.”

وی افزود که روش ترکیب سیناپس فوتون و سیستم بینایی مصنوعی به تجهیزات پیچیده ای احتیاج ندارد. و دستگاه ها می توانند از پلاستیک های انعطاف پذیر به روشی مقیاس پذیر و ارزان ساخته شوند.

پروفسور هو نویسنده مقاله است. اولین همکاران نویسندگان منگ تو و لی فانگژو ، دانشجویان دکترای MSE در CityU هستند. از دیگر اعضای تیم می توان به دکتر بو سیومینگ ، دکتر ییپ سن پو ، کانگ شیالین ، وی رنجی ، لی داپان و وانگ فی که از CityU هستند اشاره کرد. سایر محققان همکار از دانشگاه علم و صنعت الکترونیک در چین ، دانشگاه کیوشو و دانشگاه توکیو آمده اند.

این مطالعه از حمایت مالی CityU ، شورای کمک هزینه های تحقیقاتی هنگ کنگ ، بنیاد ملی علوم چین و کمیسیون علوم ، فناوری و نوآوری شهرداری شنژن برخوردار شد.

[ad_2]

منبع: unbox-news.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>