هوشمندانه ترین هوش هوش مصنوعی در یک تراشه جدید دارای نور

یک تصویر گرافیکی نشان می دهد که چگونه این فناوری نرم افزار اصلی مورد نیاز برای هدایت هوش مصنوعی با سخت افزار ضبط تصویر را در یک دستگاه الکترونیکی ترکیب می کند. اعتبار: دانشگاه RMIT
فناوری نمونه اولیه هوش مصنوعی را کوچک می کند تا عملکردی شبیه مغز را در یک دستگاه قدرتمند ارائه دهد.
محققان فناوری هوش مصنوعی را توسعه داده اند که تصویربرداری ، پردازش ، یادگیری ماشین و حافظه را در یک تراشه الکترونیکی و با استفاده از نور جمع می کند.
نمونه اولیه با تقلید از روشی که مغز انسان اطلاعات بصری را پردازش می کند ، فناوری هوش مصنوعی را کوچک می کند. پیشرفته در مقیاس نانو ترکیب اصلی نرم افزار مورد نیاز برای هدایت هوش مصنوعی با سخت افزار ضبط تصویر در یک دستگاه الکترونیکی است.
با توسعه بیشتر ، نمونه اولیه نور محور می تواند فناوری های خودمختار هوشمندانه و کوچکتر مانند هواپیماهای بدون سرنشین و رباتیک ، به علاوه پوشیدنی های هوشمند و کاشت بیونیک مانند شبکیه مصنوعی را امکان پذیر کند.
این مطالعه از یک تیم بین المللی متشکل از محققان استرالیایی ، آمریکایی و چینی به رهبری دانشگاه RMIT در مجله Advanced Materials منتشر شده است.
دانشیار استاد ارشد ، Sumeet Walia ، از RMIT ، گفت که نمونه اولیه عملکردی شبیه مغز را در یک دستگاه قدرتمند ارائه می دهد.
تراشه AI – نور – فناوری نمونه اولیه که تصویربرداری ، پردازش ، یادگیری ماشین و حافظه. اعتبار: دانشگاه RMIT
“فناوری جدید ما به طور بنیادی کارایی را افزایش می دهد و دقت با آوردن چندین م componentsلفه و ویژگی در یک پلت فرم واحد. ”
“این باعث می شود ما به دستگاه AI همه در یک نزدیک شویم که از بزرگترین نوآوری محاسبات طبیعت – مغز انسان الهام گرفته است.
“هدف ما این است که یک ویژگی اصلی از چگونگی یادگیری مغز را از طریق حک کردن بینایی به عنوان حافظه ، تکرار کنیم. نمونه اولیه ای که ما توسعه داده ایم جهشی بزرگ به سمت نوروبوتیک ها ، فناوری های بهتر برای تعامل انسان و ماشین و سیستم های بیونیک مقیاس پذیر است. ”
بسته کامل: پیشرفت هوش مصنوعی h4>
معمولاً هوش مصنوعی تا حد زیادی به نرم افزار و پردازش داده های خارج از سایت متکی است. نمونه اولیه جدید با هدف ادغام سخت افزار و هوش الکترونیکی در کنار یکدیگر ، برای تصمیم گیری سریع در محل انجام می شود.
“والیا ، كه از مشاركت كنندگان است گروه تحقیقاتی مواد و ریز سیستمها در RMIT گفت.
“با جمع کردن همه آنها در یک تراشه ، ما می توانیم سطح کارآیی و سرعت بی سابقه ای را در تصمیم گیری خودمختار و مبتنی بر هوش مصنوعی ارائه دهیم.”
دانشیار Sumeet Walia و دکتر Taimur Ahmed ، دانشگاه RMIT. اعتبار: دانشگاه RMIT
این فناوری بر روی تراشه نمونه اولیه تیم RMIT ساخته شده است که از نور برای ایجاد و تغییر حافظه استفاده می کرد.
ویژگی های داخلی داخلی به این معنی است که تراشه اکنون می تواند تصاویر را ضبط و به طور خودکار افزایش دهد ، اعداد را طبقه بندی کند و برای تشخیص الگوها و تصاویر با دقت بیش از 90٪ آموزش ببیند.
این دستگاه برای ادغام بی دردسر در آینده به راحتی با الکترونیک و فناوری های سیلیکونی موجود سازگار است.
دیدن نور: نحوه کار فناوری h4>
نمونه اولیه از اپتوژنتیک الهام گرفته شده است ، ابزاری نوظهور در بیوتکنولوژی که به دانشمندان اجازه می دهد با دقت بسیار زیادی در سیستم الکتریکی بدن فرو رفته و از نور برای دستکاری نورون ها استفاده کنند.
تراشه AI بر اساس ماده ای بسیار نازک – فسفر سیاه – ساخته شده است که مقاومت الکتریکی را در پاسخ به طول موج های مختلف نور تغییر می دهد. عملکردهای مختلف مانند تصویربرداری یا ذخیره حافظه با تاباندن رنگهای مختلف نور بر روی تراشه حاصل می شود.
دکتر طیمور احمد ، نویسنده ارشد مطالعه ، از RMIT ، گفت که محاسبات مبتنی بر نور سریعتر ، دقیق تر و به مراتب کمتر از فناوری های موجود به انرژی نیاز دارند.
احمد گفت: “با بسته بندی بسیاری از قابلیت های اصلی در یک دستگاه جمع و جور در مقیاس نانو ، می توان افق یادگیری ماشین و هوش مصنوعی را در برنامه های کوچکتر ادغام کرد.”
“به عنوان مثال ، استفاده از تراشه ما با شبکیه مصنوعی ، دانشمندان را قادر می سازد که فناوری نوظهور را کوچک کرده و دقت چشم بیونیک را بهبود بخشند.
“نمونه اولیه ما پیشرفت قابل ملاحظه ای در جهت نهایی در الکترونیک است: یک مغز بر روی تراشه که می تواند مانند ما از محیط خود درس بگیرد.”
این کار تا حدی در مرکز تحقیقات میکرو نانو (MNRF) در RMIT با پشتیبانی مرکز تحقیق میکروسکوپ و میکروآنالیز RMIT (RMMF) ، زیرساخت های محاسباتی ملی استرالیا (NCI) ، محیط تصویربرداری و تجسم علوم استرالیایی چند حالته انجام شد. (عظیم) و تسهیلات فوق رایانه Pawsey.
مرجع: “کاملاً روشن … حافظه کنترل شده و محاسبات نورومورفیک در فسفر سیاه لایه ای” توسط Taimur Ahmed، محمد Tahir، Mei Xian Low، Yanyun Ren، Sherif Abdulkader Tawfik، Edwin LH Mayes، Sruthi Kuriakose، Shahid Nawaz، Michelle JS Spencor ، هوآ چن ، مادو باسکران ، شراث سریرام و سومت والیا ، 17 نوامبر 2020 ، مواد پیشرفته . DOI: 10.1002 / adma.202004207