Helix
29th June 2010, 03:32 PM
مغز گربه قادر است چهره افراد بسيار سريع‌تر از سوپرکامپيوتر تشخيص دهد. به همين دليل از مغز اين جانور به عنوان يک مدل در ساخت کامپيوترهاي پيشرفته استفاده شده است.
مهندسين کامپيوتر دانشگاه ميشيگان آمريکا گام ديگري در جهت توسعه نسل جديدي از کامپيوترهاي پيشرفته برداشته‌اند. کامپيوتري که بتواند ياد بگيرد، قدرت تشخيص داشته باشد و همچنين قادر باشد نسبت به کامپيوترهاي معمولي تصميمات و عملکرد بهتري داشته باشد.
http://nano.ir/news/attach/4106.JPG
براي اين کار محقق اين پروژه، وي لو، يک ممريستور ساخته است که قرار است جايگزين ترانزيستورهاي رايج گردد. اين ممريستور قادر است همانند سيناپ زيستي (اتصالات عصبي) ولتاژهاي عبوري از خود را به خاطر بسپارد. ايشان ثابت کرده است که اين ممريستورها مي‌تواند به مدارات رايج الکترونيک متصل شوند و برپايه سيستم حافظه زيستي عمل کند.
وي لو مي‌گويد: ما در حال ساخت کامپيوتري هستيم که همانند سيستم مغز کار مي‌کند بنابراين تمام ساز وکار اين کامپيوتر با کامپيوترهاي معمولي متفاوت است. براي اين کار ما از مغز گربه الهام گرفتيم مغز اين جاندار از انسان ساده‌تر اما کپي برداري از آن کاري بسيار دشوار است.
درحال حاضر سوپرکامپيوترهايي وجود دارند مي‌تواند يک کار را همانند سيستم موجود در مغز گربه انجام دهد اما حجم اين کامپيوترها بسيار بالا است به‌طوري که 140 هزار واحد پردازنده مرکزي در اين سيستم‌ها وجود داشته و در کنار آن نيز يک منبع تغذيه اختصاصي نيز برق اين سيستم را فراهم مي‌کند. با اين تفاصيل باز هم اين سوپر کامپيوترها از مغزگربه 83 مرتبه کندتر هستند.
در مغز پستانداران، سلول‌هاي عصبي به‌وسيله‌ي اتصالاتي به نام سيناپس به هم متصل شده‌اند. سيناپس‌ها قادر به برقراري اتصال چند هزار سلول عصبي هستند. در کامپيوترهاي معمولي حافظه‌ها در بخش‌هاي مختلف مدارات قرار دارند و هر واحد کامپيوتر تنها به تعداد محدودي از اين حافظه‌ها ارتباط دارند؛ بنابراين ارتباط در اين سيستم‌ها به شکل خطي است و به همين دليل سرعت به‌شدت کم مي‌شود؛ اما با استفاده از ممريستورها، مي‌توان عملکرد را شبيه مغز کرد که بر اين اساس علاوه بر افزايش سرعت مي‌توان حجم سوپرکامپيوتر را نيز تا حد يک بطري 2 ليتري کاهش داد. محققان اميدوراند که بتوانند کامپيوترهايي بسازند که نسبت به انواع موجود آن از قدرت تشخيص بيشتري برخوردار باشند.
گفتني است نتايج کار اين پروژه، در نشريه ي Nano Letters به چاپ رسيده‌است.
منبع : ستاد ويژه توسعه فناوري نانو
(http://www.physorg.com/news190483253.html)
مهندسين کامپيوتر دانشگاه ميشيگان آمريکا گام ديگري در جهت توسعه نسل جديدي از کامپيوترهاي پيشرفته برداشته‌اند. کامپيوتري که بتواند ياد بگيرد، قدرت تشخيص داشته باشد و همچنين قادر باشد نسبت به کامپيوترهاي معمولي تصميمات و عملکرد بهتري داشته باشد.
http://nano.ir/news/attach/4106.JPG
براي اين کار محقق اين پروژه، وي لو، يک ممريستور ساخته است که قرار است جايگزين ترانزيستورهاي رايج گردد. اين ممريستور قادر است همانند سيناپ زيستي (اتصالات عصبي) ولتاژهاي عبوري از خود را به خاطر بسپارد. ايشان ثابت کرده است که اين ممريستورها مي‌تواند به مدارات رايج الکترونيک متصل شوند و برپايه سيستم حافظه زيستي عمل کند.
وي لو مي‌گويد: ما در حال ساخت کامپيوتري هستيم که همانند سيستم مغز کار مي‌کند بنابراين تمام ساز وکار اين کامپيوتر با کامپيوترهاي معمولي متفاوت است. براي اين کار ما از مغز گربه الهام گرفتيم مغز اين جاندار از انسان ساده‌تر اما کپي برداري از آن کاري بسيار دشوار است.
درحال حاضر سوپرکامپيوترهايي وجود دارند مي‌تواند يک کار را همانند سيستم موجود در مغز گربه انجام دهد اما حجم اين کامپيوترها بسيار بالا است به‌طوري که 140 هزار واحد پردازنده مرکزي در اين سيستم‌ها وجود داشته و در کنار آن نيز يک منبع تغذيه اختصاصي نيز برق اين سيستم را فراهم مي‌کند. با اين تفاصيل باز هم اين سوپر کامپيوترها از مغزگربه 83 مرتبه کندتر هستند.
در مغز پستانداران، سلول‌هاي عصبي به‌وسيله‌ي اتصالاتي به نام سيناپس به هم متصل شده‌اند. سيناپس‌ها قادر به برقراري اتصال چند هزار سلول عصبي هستند. در کامپيوترهاي معمولي حافظه‌ها در بخش‌هاي مختلف مدارات قرار دارند و هر واحد کامپيوتر تنها به تعداد محدودي از اين حافظه‌ها ارتباط دارند؛ بنابراين ارتباط در اين سيستم‌ها به شکل خطي است و به همين دليل سرعت به‌شدت کم مي‌شود؛ اما با استفاده از ممريستورها، مي‌توان عملکرد را شبيه مغز کرد که بر اين اساس علاوه بر افزايش سرعت مي‌توان حجم سوپرکامپيوتر را نيز تا حد يک بطري 2 ليتري کاهش داد. محققان اميدوراند که بتوانند کامپيوترهايي بسازند که نسبت به انواع موجود آن از قدرت تشخيص بيشتري برخوردار باشند.
گفتني است نتايج کار اين پروژه، در نشريه ي Nano Letters به چاپ رسيده‌است.
منبع : ستاد ويژه توسعه فناوري نانو
(http://www.physorg.com/news190483253.html)