در گفتوگو با آنا بررسی شد؛
آنا گزارش می‌دهد؛
قدم‌های نوپای محققان برای تحقق مغز کوانتومی/ با هوشمندترین ماده جهان آشنا شوید
محققان ماده هوشمندی را ساخته‌اند که براساس تغییرات فیزیکی قادر است یاد بگیرد و می‌تواند مانند نحوه کار مغز انسان، پایه و اساس نسل کاملاً جدیدی از کامپیوترها به حساب آید.
به گزارش خبرنگار گروه علم و فناوری خبرگزاری آنا، محققان ماده هوشمندی را ساخته‌اند که بر اساس تغییرات فیزیکی قادر است یاد بگیرد و می‌تواند مانند نحوه کار مغز انسان، پایه و اساس نسل کاملاً جدیدی از کامپیوترها به حساب آید. فیزیکدانان دانشگاه رادبود (Radboud University) برای دستیابی به این مغز کوانتومی گامی مهم برداشته‌اند. آنها نشان داده‌اند که می‌توانند شبکه‌ای از اتم‌های مجزا را با یک الگو به هم پیوند داد و رفتار خودمختار سلول‌های عصبی و سیناپس‌ها را در مغز تقلید کرد. آنها کشف خود را در قسمت نانوتکنولوژی مجله «نیچر» منتشر کردند.
با توجه به افزایش تقاضای جهانی برای بالا بردن ظرفیت محاسبات، به مراکز داده بیشتری لازم است که همگی به انرژی بسیار زیادی نیاز دارند. الكساندر خاجتوريانس (Alexander Khajetoorians)، مدیر پروژه ميكروسكوپی اسكن پروب در دانشگاه رادبود می‌گويد: «روشن است كه بايد استراتژی‌های جديدی را برای ذخيره و پردازش اطلاعات به شكل كارآمد انرژی پيدا كنيم. در این مسئله تنها بحث پیشرفت فناوری نیست، بلکه تحقیقات اساسی که صورت می‌گیرد به تغییر در رویکردهای بازی نیاز دارد. ایده جدید ما در مورد ایجاد مغز کوانتومی براساس خواص کوانتومی ماده می‌تواند پایه و اساسی برای راه حل آینده هوش مصنوعی باشد.»
مغز کوانتومی
کامپیوتر برای اجرای کارکرد هوش مصنوعی، باید بتواند الگوهای موجود در جهان را تشخیص داده و الگوهای جدیدی را بیاموزد. کامپیوترهای امروزی این کار را از طریق نرم‌افزار یادگیری ماشین انجام می‌دهند که ذخیره‌سازی و پردازش اطلاعات را روی یک دیسک سخت کامپیوتر جداگانه کنترل می‌کند. نویسنده دیگر این گزارش برت کاپن(Bert Kappen) استاد شبکه‌های عصبی و هوش ماشین می‌گوید: «تاكنون، این فناوری كه بیش از یك قرن است کشف شده، به اندازه كافی مورد استفاده قرار نگرفته است و با این که بسیار کم‌مصرف است هنوز آن‌طور که باید و شاید به چرخه مصرف نرسیده است.»
بخشی از تحقیق فیزیکدانان دانشگاه رادبود در این حوزه بود که آیا یک سخت‌فزار می‌تواند همان کار معمول خود را بدون نیاز به نرم‌افزار انجام دهد یا خیر. آنها کشف کردند که با ساخت شبکه‌ای از اتم‌های کبالت(cobalt) روی فسفر سیاه قادر به ساختن ماده‌ای هستند که اطلاعات را به شیوه مشابه مغز ذخیره و پردازش می‌کند و حتی عجیب‌تر اینکه خود را سازگار می‌سازد.
اتم‌های خودسازگار
خاجتوريانس و همكاران در سال 2018، نشان دادند كه می‌توان اطلاعات را در حالت یک اتم کبالت ذخیره كرد. با اعمال ولتاژ به اتم، آنها «شلیک» می‌شوند به طوری که اتم بین مقدار 0 تا 1 به طور تصادفی دقیقاً مانند یک یاخته عصبی رفت‌وآمد دارد. آنها اکنون راهی را برای ایجاد مجموعه‌های متناسب با این اتم‌ها کشف کرده‌اند و دریافته‌اند که رفتار اتم‌های شلیک‌شده در این گروه‌ها از الگوی مانند تقلید رفتار مغز در هوش مصنوعی است.
آنها علاوه بر مشاهده رفتار یاخته‌های سنبله‌دار، توانستند کوچک‌ترین سیناپس‌هایی را که تاکنون شناخته شده است، ایجاد کنند(محل تماس دو عصب). آنها بدون پیش‌فرض قبلی مشاهده کردند که این گروه‌ها ویژگی تطبیقی ذاتی دارند: به عبارت دیگر سیناپس‌ها بسته به آنچه در ورودی «می‌دیدند» رفتارشان را تغییر می‌دادند. خاجتوريانس می‌گوید: «هنگام انگیختن ماده در بازه زمان طولانی‌تری با ولتاژی مشخص، از دیدن اینکه سیناپس‌ها واقعاً تغییر کرده‌اند بسیار متعجب شدیم. این ماده واکنش خود را بر اساس محرک‌های خارجی دریافت شده تطبیق می‌دهد. این به معنی خودآموختگی است.»
کاوش و توسعه مغز کوانتومی
محققان در حال حاضر قصد دارند سیستم را توسعه داده و شبکه بزرگتری از اتم‌ها را بسازند و همچنین در مورد ماده «کوانتومی» جدیدی که استفاده می‌کنند بیشتر تحقیق کنند. آنها همچنین باید درک کنند که چرا شبکه اتم به این صورت رفتار می‌کند. خاجتوریانس می‌گوید: «ما در حالتی هستیم که می‌توانیم فیزیک بنیادی را با مفاهیم زیست‌شناسی، مانند حافظه و یادگیری ماشین مرتبط کنیم. اگر در نهایت بتوانیم از این ماده، ماشین واقعی بسازیم، آنگاه می‌توانیم دستگاه‌های محاسباتی خودآموزی تولید کنیم که دارای انرژی کمتر و اندازه کوچکتر نسبت به کامپیوترهای امروزی هستند. با این حال، فقط وقتی می‌فهمیم که این دستگاه چگونه کار می‌کند که بتوانیم رفتار آن را براساس چند پارامتر تنظیم کنیم و کاربرد آن را در قالب یک فناوری مشاهده کنیم. این اتفاق می‌تواند بسیار هیجان‌انگیز باشد.
انتهای پیام/4160/پ
انتهای پیام/
در دانشگاه آزاد شهرکرد انجام شد؛
