طراحی هوش مصنوعی کم‌مصرف مبتنی بر نانومغناطیس

نانومغناطیس ها اطلاعات را در قالب یک موج «مگنون» پردازش می‌کنند و انتقال می‌دهند، جایی که هر مغناطیس بر وضعیت مغناطیس مجاور تأثیر می‌گذارد، نه اینکه به انتقال فیزیکی ذرات مانند الکترون‌ها متکی باشند. این توضیح بدین معناست که در این فرایند انرژی بسیار کمتری از دست می‌رود و در نتیجه پردازش و ذخیره‌سازی اطلاعات با هم انجام می‌گردد. اخیراً دانشمندانی به رهبری محققان کالج امپریال لندن طبق تحقیقات انجام‌شده به این نتیجه رسیده‌اند که می‌توان هوش مصنوعی را با استفاده از نانومغناطیس‌های کوچکی ایجاد کرد که مانند نورون‌های مغز با هم برهم‌کنش دارند.

نکته جالب اینجاست که این روش جدید می‌تواند هزینه انرژی مورد استفاده در هوش مصنوعی را کاهش دهد. این در حالی است که در حال حاضر هر ۳٫۵ ماه یکبار در سطح جهان هزینه انرژی مورد استفاده در هوش مصنوعی دو برابر می‌شود.

این گروه تحقیقاتی بین‌المللی در مقاله‌ای که در Nature Nanotechnology منتشر کردند، شواهدی را ارائه دادند که نشان می‌دهد می‌توان از شبکه‌های نانومغناطیس ها برای انجام پردازش‌های مشابه هوش مصنوعی استفاده نمود. این تیم تحقیقاتی مشخص کردند که از نانومغناطیس ها می‌توان برای کارهای «پیش‌بینی سری زمانی» همچون پیش‌بینی و تنظیم سطح انسولین در بیماران دیابتی بهره‌برداری نمود. حقیقت این است که فناوری هوش مصنوعی به این دلیل از شبکه‌های عصبی استفاده می‌کند که  نحوه عملکرد بخش‌هایی از مغز را شبیه‌سازی کند، درست جایی که نورون‌ها برای پردازش و حفظ اطلاعات با یکدیگر صحبت می‌کنند.

در واقع، این فیزیکدانان بودند که در ابتدا روابط و معادلات زیادی را که برای تأمین انرژی شبکه‌های عصبی مورد استفاده قرار می‌گرفت، برای توصیف نحوه برهم‌کنش مغناطیس‌ها ابداع کردند؛ اما استفاده مستقیم از مغناطیس در آن زمان به این دلیل که محققان نمی‌دانستند چگونه داده‌ها را وارد کنند و اطلاعات را از مغناطیس‌ها خارج نمایند، کار بسیار پیچیده‌ای بود؛ اما در عوض، نرم‌افزاری که بر روی کامپیوترهای مبتنی بر سیلیکون رایج اجرا می‌شد، برای شبیه‌سازی فعل و انفعالات مغناطیس و در نتیجه شبیه‌سازی مغز مورد استفاده قرار گرفت.

در حال حاضر، تیم محققان کالج امپریال لندن توانسته‌اند:

۱-  از مغناطیس برای پردازش و ذخیره داده‌ها استفاده نمایند.

۲- واسطه شبیه‌سازی نرم‌افزاری را حذف کنند.

۳- به طور بالقوه صرفه‌جویی زیادی در انرژی ایجاد کنند.

جالب است بدانید نانومغناطیس ها نسبت به جهتی که دارند، قادرند در حالت‌های مختلفی قرار گیرند. در واقع، اعمال میدان مغناطیسی بر روی شبکه‌ای از نانومغناطیس ها، وضعیت آن‌ها را بر اساس ویژگی میدان ورودی و همچنین بر روی حالت مغناطیس‌های اطراف تغییر می‌دهد. این گروه تحقیقاتی روشی را برای شمارش تعداد مغناطیس‌ها در هر حالت پس از عبور میدان طراحی کرد و نتیجه را ارائه نمود.

نویسنده اول مقاله‌ای که در Nature Nanotechnology منتشر شد، دکتر جک گارتساید بود. وی در خصوص محاسبات مغناطیسی در این تحقیق عنوان کرد: «ما برای مدت طولانی در تلاش بودیم، تا مشکل نحوه وارد کردن داده، پرسیدن یک سؤال و دریافت پاسخ از محاسبات مغناطیسی را برطرف کنیم. اکنون به ما ثابت شده است که می‌توان آن را انجام داد. در حقیقت، این پروژه راه را برای خلاص شدن از شر نرم‌افزار کامپیوتری که شبیه‌سازی انرژی‌بر را انجام می‌دهد، هموار می‌کند.»

کیلیان استنینگ در تکمیل سخنان همکار خود افزود: «درک چگونگی تعامل مغناطیس‌ها همه اطلاعاتی را که ما نیاز داریم به ما می‌دهد؛ قوانین فیزیک خود به کامپیوتر تبدیل می‌شوند.» در ادامه این گفت‌وگو دکتر ویل برانفورد که رهبر این تیم تحقیقاتی بود، خاطرنشان کرد: «یک هدف بلندمدت بوده است که سخت‌افزار کامپیوتر را با الهام از الگوریتم‌های نرم‌افزاری شرینگتون و کرک پاتریک بسازیم. در حقیقت، استفاده از اسپین‌های روی اتم‌ها در مغناطیس‌های معمولی امکان‌پذیر نبود، اما با افزایش مقیاس اسپین‌ها در آرایه‌های نانوالگو ما توانسته‌ایم به کنترل و بازخوانی لازم برسیم.»

حقیقت این است که فناوری هوش مصنوعی در حال حاضر، در زمینه‌های مختلفی از تشخیص صدا گرفته تا خودروهای خودران مورد استفاده قرار می‌گیرد؛ اما نکته اینجاست که آموزش هوش مصنوعی حتی برای انجام کارهای نسبتاً ساده نیز می‌تواند انرژی زیادی را به خود اختصاص دهد. به عنوان مثال، آموزش هوش مصنوعی برای حل یک مکعب روبیک، به صرف انرژی بسیار زیادی فقط برای یک ساعت منجر می‌شود.

در واقع، بیشتر انرژی مورد استفاده برای دستیابی به این امر در رایانه‌های معمولی با تراشه سیلیکونی در انتقال ناکارآمد الکترون‌ها در طول پردازش و ذخیره‌سازی حافظه تلف می‌گردد. اما با این حال، نانومغناطیس ها به انتقال فیزیکی ذرات مانند الکترون‌ها متکی نیستند، بلکه اطلاعات را در قالب یک موج مگنون پردازش و انتقال می‌دهند، درست جایی که هر مغناطیس بر وضعیت مغناطیس مجاور تأثیرگذار است و نتیجه آن می‌شود که انرژی بسیار کمتری هدر می‌رود و همچنین پردازش و ذخیره‌سازی اطلاعات می‌تواند با یکدیگر انجام گیرد، نه اینکه مانند رایانه‌های معمولی فرایندهای جداگانه‌ای داشته باشند. این خلاقیت در زمینه فناوری هوش مصنوعی باعث خواهد شد محاسبات نانومغناطیسی تا ۱۰۰۰۰۰ برابر کارآمدتر از محاسبات معمولی باشند.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید