شفا آنلاین: تیمی از مهندسان آمریکایی، تراشه رایانه ای <Computer chip>طراحی کرده اند که از پرتوهای نور برای تقلید عملکرد نورون ها استفاده می کند.
به گزارش شفا آنلاین:شبکه های عصبی مصنوعی - الگوریتم های رایانه ای که از مغز انسان الهام می گیرند - از قابلیت هایی نظیر تشخیص دروغ، شناسایی چهره، پیش بینی حملات قلبی برخوردار هستند؛ اما اغلب رایانه ها نمی توانند این کارها را بطور موثری انجام دهند.
اکثر رایانه ها از یک سری ترانزیستور استفاده می کنند که اجازه عبور یا عدم عبور جریان برق را می دهد. چند دهه قبل، فیزیکدانان متوجه شدند که نور می تواند کارآیی برخی فرآیندهای خاص - به عنوان مثال، ساخت شبکه های عصبی - را بهبود ببخشد. امواج نور از قابلیت حرکت و تعامل به صورت موازی برخوردار هستند که اجازه انجام چندین عمل به طور همزمان را فراهم می کند.
چنین "شبکه های عصبی نوری"، یادگیری عمیق (deep learning) - از دستیار مجازی تا مترجم زبان - را با سرعت بسیار بالاتر و کارآیی بیشتر امکانپذیر می کنند.
دانشمندان از تجهیزات نوری برای ساخت شبکه های عصبی ساده استفاده کردند، اما این تنظیمات نیازمند صفحاتی مملو از آینه ها و لنزهای حساس بود و برای سال ها، پردازش فوتونی در عمل غیرممکن بود.
اکنون محققان موسسه فناوری ماساچوست (MIT) در کمبریج توانسته اند بسیاری از این تجهیزات را بر روی یک میکروتراشه در ابعاد چند میلیمتر به هم متصل کنند.
تراشه جدید از سیلیکون ساخته شده و عملکرد شبکه ای متشکل از 16 نورون در 4 لایه 4 تایی را شبیه سازی می کند. داده ها به شکل یک پرتو لیزر وارد تراشه شده و به 4 پرتو کوچکتر تقسیم می شوند.
درخشندگی هر پرتو ورودی، یک عدد یا یک قطعه متفاوت اطلاعات را مشخص می کند و درخشندگی هر پرتو خروجی، نشانگر عدد جدید / راه حل پس از پردازش اطلاعات است. در این بین، تقاطع های نوری به شیوه ای با هم در تعامل هستند که می توانند شدت خود را تضعیف یا تقویت کنند.
محاسبات نوری بسیار کارآمد هستند، زیرا هنگامی که پرتوهای نور تولید می شوند، خودشان حرکت کرده و باهم ارتباط برقرار می کنند. امکان هدایت پرتوهای نور با استفاده از لنزهای شیشه ای متقارن وجود دارد، درحالیکه ترانزیستورها برای کار کردن به برق نیاز دارند.
عملکرد این "شبکه عصبی نوری" در شرایط واقعی: تشخیص حروف صدادار (vowel sounds) مورد آزمایش قرار گرفت. در این آزمون، رایانه های قدیمی عملکرد نسبی داشتند، اما شبیه سازی رایانه ای با کمک یک شبکه عصبی نوری متشکل از 16 نورون در 92 درصد موارد در تشخیص حروف صدادار درست عمل کرد.
