بریتنی گرایمز-21 نوامبر 2022 -مفهوم محاسبات مغز مانند-metamorworks/iStock
محققان برای اولین بار نشان داده اند که یک سیستم محاسباتی مغز مانند در کوچکترین مقیاس اتمی امکان پذیر است.این مطالعه در مؤسسه برنال دانشگاه لیمریک (UL) در ایرلند توسط تیمی از محققان از سراسر جهان انجام شد که نوع جدیدی از مواد آلی را ایجاد کردند که می تواند از رفتار قبلی آن بیاموزد.
محققان یک سوئیچ مولکولی پویا کشف کردند که رفتار سیناپسی یا ارتباط بین نورون ها را شبیه سازی می کند.این مطالعه 21 نوامبر، در مجله Nature Materials منتشر شد.
تیم تحقیقاتی توسط دیمین تامپسون، استاد مدل‌سازی مولکولی در بخش فیزیک دانشگاه UL و مدیر SSPC، مرکز تحقیقات دارویی ایرلند تحت میزبانی UL، همراه با کریستین نی‌هویس در مرکز مولکول‌ها و نانو الهام‌گرفته از مغز رهبری می‌شد.
این تیم یک لایه مولکولی به ضخامت دو نانومتر ایجاد کرد. در مقایسه، اندازه آن 50000 بار نازک‌تر از یک تار مو است و این توانایی را دارد که تاریخچه خود را با عبور الکترون‌ها به خاطر بسپارد. تامپسون گفت: “احتمال کلیدزنی و مقادیر حالت‌های روشن/خاموش به طور مداوم در ماده مولکولی تغییر می‌کند، که جایگزین جدید برای سوئیچ‌های دیجیتال مبتنی بر سیلیکون معمولی است که فقط می‌توانند روشن یا خاموش شوند.”
تیم تحقیقاتی مواد و خواص جدید آنها را با استفاده از خصوصیات تجربی و اندازه‌گیری‌های الکتریکی نشان دادند. این ابعاد توسط سیستم‌های مدل چند مقیاسی پشتیبانی می‌شوند که از قابلیت پیش‌بینی ساختارهای مولکولی تا مدل‌سازی ریاضی تحلیلی اطلاعات الکتریکی را شامل می‌شود.
این مطالعه بیان کرد که رفتار دینامیکی جدید سیناپس ها در سطح مولکولی با ترکیب انتقال سریع الکترون با جفت پروتون آهسته تر محدود شده توسط انتشار، شبیه به نقش یون های کلسیم بیولوژیکی یا انتقال دهنده های عصبی تقلید شده است.
این رفتار همچنین تمام توابع منطقی ریاضی مورد نیاز در یادگیری عمیق را نشان می دهد، زیر مجموعه ای از یادگیری ماشین در هوش مصنوعی. با انجام این کار، با موفقیت رفتار شبه مغزی سیناپسی «تماس و پاسخ» پاولو را تقلید کرد. در پاسخ پاولوفی، فیزیولوژیست برنده جایزه نوبل، ایوان پاولوف، دریافت که سگ‌ها و سایر حیوانات را می‌توان مشروط کرد که به طور غیرارادی به پاداش‌ها پاسخ دهند، که به ایدئولوژی شرطی‌سازی کلاسیک تبدیل شد.
این دگرگونی می‌تواند شکل پذیری اتصالات عصبی سیناپس را تقلید کند، که مکان‌هایی هستند که انتقال تکانه‌های عصبی الکتریکی بین دو نورون انجام می‌شود. تامپسون گفت: جامعه مدت‌هاست که می‌دانست فناوری سیلیکون کاملاً متفاوت از عملکرد مغز ما عمل می‌کند و بنابراین ما از انواع جدیدی از مواد الکترونیکی مبتنی بر مولکول‌های نرم برای تقلید از شبکه‌های محاسباتی شبیه مغز استفاده کردیم.
تامپسون اظهار داشت که این تیم توانست دانش و مهارت‌های خود را در «مدل‌سازی، سنتز و خصوصیات مواد تا جایی ترکیب کند که بتوانیم این ویژگی‌های محاسباتی مغزمانند جدید را نشان دهیم».
محققان خاطرنشان کردند که این روش و مواد جدید را می توان در سیستم های مولکولی دینامیکی که توسط محرک های دیگری مانند نور در آینده هدایت می شوند، به کار برد و به انواع مختلف تشکیل پیوند کووالانسی پویا اضافه کرد، که در آن ماده از انعطاف پذیری خود برای به خاطر سپردن و به خاطر سپردن و استفاده از آن به شکل مواد مختلف دیگر استفاده می کند..
“این تازه آغاز راه است. ما در حال حاضر مشغول گسترش این نسل بعدی از مواد مولکولی هوشمند هستیم که امکان توسعه فناوری‌های جایگزین پایدار را برای مقابله با چالش‌های بزرگ در انرژی، محیط زیست و سلامت فراهم می‌کند.»
نورلی کندی، پروفسور و معاون تحقیقات دانشگاه UL با این موضوع موافق است. کندی اظهار داشت: «محققان ما به طور مداوم در حال یافتن راه‌های جدیدی برای ساخت مواد مؤثرتر و پایدارتر هستند. او ادامه داد: «این جدیدترین یافته بسیار هیجان‌انگیز است، نشان‌دهنده گستردگی و جاه‌طلبی همکاری‌های بین‌المللی ما و نشان‌دهنده توانایی پیشرو در جهان در UL برای رمزگذاری خواص مفید در مواد آلی است».
