نانوذرات مغناطیسی
اخبارکاربردهای هوش مصنوعی

کاهش مصرف انرژی در عملکردهای هوشمند با نانوذرات مغناطیسی

    0
    زمان مطالعه: ۴ دقیقه

    کاهش مصرف انرژی در عملکردهای هوشمند با نانوذرات مغناطیسی میسر شده است. پژوهشی جدید نشان داده است که هوش مصنوعی را می‌توان با استفاده از نانوذرات مغناطیسی بسیار کوچکی اجرا کرد که مانند نورون‌های مغز با یکدیگر تعامل برقرار می‌کنند.

    روش مذکور که به دست گروهی از پژوهشگران ایمپریال‌کالج لندن توسعه یافته است، می‌تواند مصرف انرژی هوش مصنوعی را به شدت کاهش دهد؛ هزینه‌ ناشی از مصرف انرژی در این عرصه، هر سه ماه و نیم در سطح جهان دو برابر بیشتر می‌شود.

    این گروه پژوهشی توانسته است برای اولین‌بار اثبات کند که برای اجرای پردازش شبه‌هوش مصنوعی می‌توان شبکه‌هایی متشکل از نانوذرات مغناطیسی را به کار برد. طبق یافته‌ها، نانوذرات مغناطیسی را می‌توان برای مسائل «پیش‌بینی سری زمانی»، همچون پیش‌بینی و تنظیم سطح انسولین در بیماران مبتلا به دیابت، استفاده کرد.

    هدف اصلی هوش مصنوعی که از شبکه‌های عصبی استفاده می‌کند، تقلید از مغز و تعامل نورون‌هاست که به پردازش و نگهداری اطلاعات می‌انجامد. در گذشته، فیزیک‌دان‌ها از ریاضیات گسترده استفاده کردند تا بتوانند نحوه تعامل ذرات مغناطیسی را توصیف کنند. با این حال، به‌کارگیری مستقیم ذرات مغناطیسی امری دشوار بود، چون پژوهشگران نمی‌دانستند چطور می‌توان به این سیستم‌ها، داده وارد کرد و اطلاعات گرفت.

    به همین خاطر، نرم‌افزارهایی که روی کامپیوترهای قدیمی سیلیکون‌محور اجرا می‌شدند، برای شبیه‌سازی تعاملات ذرات مغناطیسی و تقلید از مغز به کار می‌رفتند. اکنون پژوهشگران توانسته‌اند برای پردازش و ذخیره‌ داده، مستقیماً از ذرات مغناطیسی استفاده کنند. به بیان دیگر، مرحله‌ی میانی (شبیه‌سازی نرم‌افزار) را از میان برداشته و کاهش مصرف انرژی در عملکردهای هوشمند با نانوذرات مغناطیسی را میسر کرده اند.

    حالات نانوذرات مغناطیسی

    باید دید کاهش مصرف انرژی در عملکردهای هوشمند با نانو ذرات مغناطیسی طی چه فرایندی اتفاق می‌افتد؛ نانوذرات مغناطیسی، بسته به جهت قرارگیری‌شان، حالات گوناگونی دارند. با تولید میدان مغناطیسی، حالت ذرات مغناطیسی بسته به خواص میدان و حالت ذرات اطراف، تغییر می‌کند.

    حالات نانوذرات مغناطیسی

    در همین راستا، گروه پژوهشی مذکور، به سرپرستی پژوهشگران دپارتمان فیزیک ایمپریال، موفق به طراحی تکنیکی شده‌اند که می‌تواند بعد از تولید میدان، تعداد ذرات مغناطیسی موجود در هر حالت را بشمارد و «جواب» نهایی را ارائه دهد.

    دکتر جک گارتساید توضیح می‌دهد: «مدت‌زمانی طولانی است که سعی داریم رایانش مغناطیسی را بهتر درک کنیم و بفهمیم چطور می‌توان به این سیستم‌ها، داده تغذیه کرد، از آن‌ها سؤالی پرسید و پاسخی دریافت کرد. حالا که توانسته‌ایم ثابت کنیم این امر امکان‌پذیر است، راحت‌تر می‌توانیم نرم‌افزارهای کامپیوتری پرمصرف را کنار بگذاریم.»

    به عقیده‌ی کیلیان استنینگ، نحوه‌ی تعامل ذرات مغناطیسی با یکدیگر همه‌ آن اطلاعاتی را که نیاز داریم، در اختیار قرار می‌دهد. بدین ترتیب، قوانین فیزیک خود تبدیل به کامپیوتر می‌شوند و به کاهش مصرف انرژی در عملکردهای هوشمند با نانوذرات مغناطیسی منجر می‌شود.

    سرپرست تیم، دکتر ویل برنفورد، می‌گوید: «دستیابی به سخت‌افزارهای کامپیوتری که از الگوریتم‌های نرم‌افزاری شرینگتون و کرکپاتریک الهام گرفته باشند، همواره هدفی بلندمدت و دور از دسترس به نظر رسیده است. استفاده از چرخش اتم‌های ذرات مغناطیسی معمولی برای تحقق این هدف کافی نیست؛ اما وقتی مقیاس چرخش‌ها را افزایش می‌دهیم تا الگوهای سطح نانو را هم پوشش دهد، به کنترل و بازخوانی موردنیاز می‌رسیم.»

    کاهش انرژی مصرفی

    این روزها، هوش مصنوعی در موقعیت‌های گوناگون، از تشخیص صدا گرفته تا خودروهای خودران، کاربرد دارد. اما حتی آموزش مسائل نسبتاً ساده به هوش مصنوعی مستلزم مقدار زیادی انرژی است. برای مثال، انرژی لازم برای آموزش حل مکعب روبیک به هوش مصنوعی، معادل انرژی یک ساعت کار دو پایگاه انرژی هسته‌ای بود.

    بخش عمده‌ای از انرژی استفاده شده در کامپیوترهای قدیمی و تراشه-سیلیکونی، صرف جابه‌جایی ناکارآمد/غیرموفقیت‌آمیز الکترون‌ها، طی مرحله پردازش و ذخیره داده‌ها می‌شود. اما نانوذرات مغناطیسی به جابه‌جایی فیزیکی ذراتی مثل الکترون‌ها نیازی ندارند، بلکه اطلاعات را به شکل موجی مغناطیسی (موج اسپین) پردازش و منتقل می‌کنند؛ در این موج، ذرات مغناطیسی روی حالت ذرات مغناطیسی مجاور خود تأثیر می‌گذارند.

    کاهش انرژی مصرفی

    در نتیجه منجر به کاهش مصرف انرژی در عملکردهای هوشمند با ذرات نانومغناطیسی می‌شوند. به این طریق مراحل پردازش و ذخیره اطلاعات در هوش مصنوعی را می‌توان به صورت همزمان انجام داد. به لطف این کشفیات، رایانش نانومغناطیسی تا ۱۰۰,۰۰۰ برابر کارآمدتر از رایانش سنتی می‌شود.

    هوش مصنوعی لبه

    در مرحله‌ بعد، پژوهشگران سعی می‌کنند با استفاده از داده‌های دنیای واقعی، همچون سیگنال‌های ECG، به سیستم آموزش دهند تا به یک دستگاه محاسباتی واقعی دست یابد. نهایتا، سیستم‌های مغناطیسی با کامپیوترهای سنتی ادغام خواهند شد تا بازده مصرف انرژی در مسائل سنگین را افزایش دهند.

    در این صورت، انرژی موردنیاز سیستم‌ها را می‌توان با منابع تجدیدپذیر نیز تأمین کرد. در نتیجه، «هوش مصنوعی لبه» محقق شده و می‌توان داده‌ها را در همان محل جمع‌آوری، پردازش کرد. برای نمونه، به جای ارسال داده‌های آب‌وهوایی از ایستگاه‌های قطب جنوب به مراکز بزرگ داده، در خود ایستگاه آن‌ها را پردازش می‌کنند.

    سیستم‌های مغناطیسی قابلیت کاربرد در دستگاه‌های پوشیدنی را نیز دارند. به عنوان مثال، با پردازش داده‌های زیست‌سنجی بدن می‌توان سطح انسولین بیماران مبتلا به دیابت را پیش‌بینی و تنظیم کرد و یا ضربان قلب غیرعادی را تشخیص داد. بنابراین بازهم کاهش مصرف انرژی در عملکردهای هوشمند با ذرات نانو مغناطیسی به کارگرفته می‌شود.

    انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید

    این مطلب چه میزان برای شما مفید بوده است؟
    [کل: ۰ میانگین: ۰]

    مقدمات برگزاری اولین کنفرانس ملی هوش مصنوعی

    مقاله قبلی

    کنفرانس بین‌المللی هوش مصنوعی کاربردی در اتریش:  AAIC-2022

    مقاله بعدی

    شما همچنین ممکن است دوست داشته باشید

    بیشتر در اخبار

    نظرات

    پاسخ دهید

    نشانی ایمیل شما منتشر نخواهد شد.