17 اکتبر 2023 -توسط دانشگاه گرونینگن-یک نظریه کلی از سیستم‌های محاسباتی فیزیکی، نظریه‌های موجود را به عنوان موارد خاص در بر می‌گیرد. شکل گرفته شده از نسخه توسعه یافته مقاله Nature Comm در arXiv. اعتبار: Jaeger et al. دانشگاه گرونینگن
جست‌وجوی شدید و گسترده‌ای در سراسر جهان برای مواد جدید برای ساخت ریزتراشه‌های کامپیوتری وجود دارد که بر اساس ترانزیستورهای کلاسیک نیستند، بلکه بر اساس اجزای بسیار کم مصرف‌تر و شبیه به مغز هستند. با این حال، در حالی که مبنای نظری برای رایانه‌های دیجیتال مبتنی بر ترانزیستور کلاسیک استوار است، هیچ دستورالعمل نظری واقعی برای ایجاد رایانه‌های شبیه مغز وجود ندارد.
هربرت یاگر، پروفسور محاسبات در مواد شناختی در دانشگاه گرونینگن، استدلال می‌کند که چنین نظریه‌ای برای انجام تلاش‌هایی که برای مهندسی انواع جدید ریزتراشه‌ها روی زمین جامد انجام می‌شود، کاملاً ضروری است.
کامپیوترها تا کنون به سوئیچ های پایداری که می توانند خاموش یا روشن باشند، معمولاً ترانزیستورها متکی بوده اند. این کامپیوترهای دیجیتال ماشین های منطقی هستند و برنامه نویسی آنها نیز بر اساس استدلال منطقی است. برای دهه‌ها، کامپیوترها با کوچک‌سازی بیشتر ترانزیستورها قدرتمندتر شده‌اند، اما این فرآیند اکنون به یک حد فیزیکی نزدیک می‌شود. به همین دلیل است که دانشمندان در حال کار برای یافتن مواد جدید برای ساخت سوئیچ‌های همه‌کاره‌تر هستند که می‌توانند از مقادیر بیشتری نسبت به دیجیتال 0 یا 1 استفاده کنند.
یاگر بخشی از مرکز مواد و سیستم‌های شناختی گرونینگن (CogniGron) است که هدف آن توسعه رایانه‌های نورومورفیک (یعنی مغز مانند) است. CogniGron دانشمندانی را گرد هم می‌آورد که رویکردهای بسیار متفاوتی دارند: دانشمندان مواد تجربی و مدل‌سازان نظری از رشته‌های مختلفی مانند ریاضیات، علوم کامپیوتر و هوش مصنوعی.
همکاری نزدیک با دانشمندان مواد، به یاگر ایده خوبی از چالش‌هایی که هنگام تلاش برای دستیابی به مواد محاسباتی جدید با آنها روبه‌رو می‌شوند، داده است، در حالی که او را از یک دام خطرناک آگاه کرده است: هیچ تئوری ثابتی برای استفاده از مواد غیرمستقیم وجود ندارد. اثرات فیزیکی دیجیتال در سیستم های محاسباتی
مغز ما یک سیستم منطقی نیست. ما می توانیم منطقی استدلال کنیم، اما این تنها بخش کوچکی از کاری است که مغز ما انجام می دهد. در بیشتر مواقع، باید نحوه رساندن دست به فنجان چای یا تکان دادن دست برای همکار در هنگام عبور از راهرو مشخص شود.
یاگر توضیح می‌دهد: «بسیاری از پردازش اطلاعاتی که مغز ما انجام می‌دهد، این چیزهای غیر منطقی است که پیوسته و پویا هستند. رسمی کردن آن در یک رایانه دیجیتال دشوار است». علاوه بر این، مغز ما با وجود نوسانات فشار خون، دمای خارجی یا تعادل هورمونی و غیره به کار خود ادامه می دهد. چگونه می توان کامپیوتری ایجاد کرد که همه کاره و قوی باشد؟ یاگر خوشبین است: “پاسخ ساده این است: مغز اثبات اصل است که می توان آن را انجام داد.”
بنابراین، مغز منبع الهام برای دانشمندان مواد است. یاگر: “آنها ممکن است چیزی تولید کنند که از چند صد اتم ساخته شده و نوسان کند، یا چیزی که فوران‌های فعالیت را نشان دهد. و می‌گویند: “به نظر می‌رسد که نورون‌ها چگونه کار می‌کنند، پس بیایید یک شبکه عصبی بسازیم”. ” اما آنها در اینجا مقداری دانش حیاتی را از دست داده اند.
“حتی دانشمندان علوم اعصاب دقیقاً نمی دانند مغز چگونه کار می کند. اینجاست که فقدان یک نظریه برای کامپیوترهای نورومورفیک مشکل ساز است. با این حال، به نظر نمی رسد این زمینه این را ببیند.”
در مقاله ای که در Nature Communications منتشر شد، یاگر و همکارانش Beatriz Noheda مدیر علمی CogniGron) و Wilfred G. van der Wiel (دانشگاه Twente طرحی از اینکه یک نظریه برای کامپیوترهای غیر دیجیتالی ممکن است شبیه باشد را ارائه می دهند. آنها پیشنهاد می کنند که به جای سوئیچ های صفر و1 پایدار، این تئوری باید با سیگنال های پیوسته و آنالوگ کار کند. همچنین باید انبوهی از اثرات فیزیکی غیر استاندارد در مقیاس نانو را که دانشمندان مواد در حال بررسی هستند، در خود جای دهد.
چیز دیگری که یاگر از گوش دادن به دانشمندان مواد آموخته است این است که ساختن وسایل از این مواد جدید دشوار است.
یاگر می گوید: “اگر صد عدد از آنها را بسازید، همه آنها یکسان نخواهند بود.” این در واقع بسیار شبیه مغز است، زیرا نورون های ما نیز دقیقاً یکسان نیستند. وی ادامه می دهد که یکی دیگر از مسائل احتمالی این است که دستگاه ها اغلب شکننده و حساس به دما هستند. “هر نظریه برای محاسبات نورومورفیک باید چنین ویژگی هایی را در نظر بگیرد.”
نکته مهم این است که نظریه‌ای که محاسبات نورومورفیک را پشتوانه می‌کند، یک نظریه واحد نخواهد بود، بلکه از بسیاری از تئوری‌های فرعی ساخته می‌شود .
یاگر می‌گوید: «در واقع نظریه رایانه‌های دیجیتال نیز اینگونه عمل می‌کند، این یک سیستم لایه‌ای از تئوری‌های فرعی مرتبط است». ایجاد چنین توصیف نظری از کامپیوترهای نورومورفیک به همکاری نزدیک دانشمندان مواد تجربی و مدل‌سازان نظری رسمی نیاز دارد.
یاگر می گوید: «دانشمندان کامپیوتر باید از فیزیک همه این مواد جدید آگاه باشند و دانشمندان مواد باید از این مواد آگاه باشند.
پر کردن این شکاف بین علم مواد، علوم اعصاب، علوم محاسباتی و مهندسی دقیقاً به همین دلیل است که CogniGron در دانشگاه گرونینگن تأسیس شد: این گروه‌های مختلف را گرد هم می‌آورد.
یاگر نتیجه می گیرد: «همه ما نقاط کور خود را داریم. “و بزرگترین شکاف در دانش ما یک نظریه اساسی برای محاسبات نورومورفیک است. مقاله ما اولین تلاشی است برای اشاره به اینکه چگونه چنین نظریه ای می تواند ساخته شود و چگونه می توانیم یک زبان مشترک ایجاد کنیم.”
