سایبرپژوه – محققان موسسه فناوری ماساچوست (MIT) موفق به طراحی نوعی از سیناپس مصنوعی مغز شده‌اند که قادر به ارائه عملکرد بهتری در مقایسه با نمونه‌های مشابه موجود است. به لطف این دستاورد، پژوهشگران می‌توانند ده‌ها هزار سیناپس مصنوعی را در کنار هم و روی یک تراشه بسیار کوچک جای دهند. سپس می‌توان این تراشه‌ها را در دل دستگاه‌های مختلف تعبیه کرد و امکان مدیریت و پردزاش عملکردهای پیچیده مبتنی بر فناوری هوش‌مصنوعی را فراهم ساخت.
از سویی دیگر، این تراشه‌ها علاوه بر ابعاد کوچک، از مصرف انرژی پایینی نیز برخوردار خواهند بود و برای عملکرد پردازشی خود نیز نیازی به اتصال به هیچ دیتاسنتری نخواهند داشت. دستاورد این تیم تحقیقاتی تحت عنوان Memristors شناخته می‌شود و در ساخت آن از سیلیکون، آلیاژهای نقره و مس استفاده شده است. این محصول قادر است به نسبت دیگر مدارهای مغزی شبیه‌سازی شده، تصاویر را با جزییات و وضوح به مراتب بالاتری «به یاد آورده» و بازیابی کند.
آنچه این گروه به دنبال آن هستند، ساخت شبکه عصبی مصنوعی پیچیده ای است که می‌تواند به نرم‌افزارهایی که به توان پردازشی گرافیکی بالایی نیاز دارند، کمک شایانی کند. همچنین، می‌توان از آن به عنوان یک سخت‌افزار نیز در دستگاه‌های کوچک همانند گوشی یا دوربین‌های عکاسی استفاده کرد.
طبق گفته محققان، این دستاورد برخلاف بسیاری از ترانزیستورهای مرسوم تنها بین صفر و یک سوییچ نمی‌کند و قادر است حالت‌های مختلف را هماند مغز انسان ارائه دهد. از طرفی دیگر، می‌توانند این حالت را «به یاد بیاورند» و از این رو، قادر است همان سیگنال مربوط به همان جریان دریافتی مشابه را تا چندبن بار به راحتی بازتولید کند.
محققان در اینجا از مفهومی‌در علم متالوژی کمک گرفتند. بدین معنی که فعالان این حرفه می‌خواهند خواص یک فلز را به منظور تولید یک آلیاژ تغییر دهند، آن را با یک فلز دیگر که خواص مدنظر را داراست، ترکیب می‌کنند. محققان نیز عنصری را پیدا کردند که می‌توانند آن را با نقره که به عنوان الکترود مثبت ممریستور استفاده می‌شود، ترکیب کنند تا انتقال یون‌ها حتی در کانال‌های بسیار نازک نیز به بهترین شکل انجام شود.
اگرچه هنوز راه زیادی در این مسیر باقی مانده، اما محققان امیدوارند که نتایج تلاش‌های آن‌ها به طراحی و ساخت کامپیوترهایی مجهز به مغز مصنوعی شود که از قدرت بالایی در پردازش برخوردارند و می‌توانند همانند ابررایانه‌ها، از پس رایانش‌های سنگین برآیند.
