تحولی در دنیای رایانش: چیپ‌های کامپیوتری به سلول‌های مغز شبیه‌تر می‌شوند

مغز انسان یک ماشین محاسباتی شگفت‌انگیز است. با وزن تقریبا یک و نیم کیلوگرم، می‌تواند هزار برابر سریع‌تر از سریع‌ترین ابرکامپیوترها اطلاعات را پردازش کند، هزار برابر بیشتر از یک لپ تاپ قدرتمند اطلاعات ذخیره کند و برای انجام همه این کارها، تنها به انرژی معادل یک لامپ ۲۰ واتی نیاز دارد.

پژوهشگران تلاش می‌کنند تا این شگفتی را با استفاده از مواد ارگانیگ انعطاف‌پذیر تقلید کنند؛ موادی که می‌توانند مانند نورون‌های بیولوژیکی عمل کنند و روزی شاید قابلیت برقراری ارتباط با همین نورون‌ها را نیز داشته باشند.

در نهایت، چیپ‌های کامپیوتری «نورومورفیک» (نورون شکل) می‌توانند به طور مستقیم در مغز کار گذاشته شوند تا افراد بتوانند با استفاده از آن‌ها و تنها با فکر کردن، یک بازوی رباتیک یا یک مانیتور کامپیوتر را کنترل کنند.

مانند نورون‌های واقعی — اما برخلاف چیپ‌های کامپیوتری معمولی — این ابزارهای جدید می‌توانند همزمان سیگنال‌های شیمیایی و الکتریکی ارسال کنند.

«آلبرتو سالئو» (Alberto Salleo)، دانشمند مواد در دانشگاه استنفورد که در سال ۲۰۲۱ مقاله‌ای درباره پتانسیل‌های ابزارهای نورومورفیک ارگانیک در ژورنال Annual Review of Materials Research نوشته است، می‌گوید «مغز شما با مواد شیمیایی، با انتقال‌دهنده‌های عصبی مانند دوپامین و سروتونین کار می‌کند. مواد ما می‌توانند به صورت الکتروشیمیایی با آن‌ها تعامل داشته باشند.»

سالئو و دیگر پژوهشگران ابزارهایی الکترونیکی ساخته‌اند که می‌توانند مانند ترانزیستورها (که سیگنال‌های الکتریکی را تقویت و خاموش و روشن می‌کنند)، سلول‌های حافظه (که اطلاعات را ذخیره می‌کنند) و دیگر اجزای الکترونیکی پایه عمل کنند.

این کار از علاقه‌ای روزافزون به مدارهای کامپیوتری نورومورفیک برخاسته است که چگونگی عملکرد اتصال‌های عصبی انسان یا سیناپس‌ها را تقلید می‌کنند. این مدارها، چه از سیلیسیوم ساخته شده باشند، چه از فلز یا دیگر مواد، شباهت چندانی به مدارهای کامپیوتر دیجیتال ندارند و بیشتر به شبکه نورون‌های درون مغز انسان شبیه هستند.

کامپیوترهای دیجیتال معمولی در هر لحظه یک قدم از کار را انجام می‌دهند و معماری آن‌ها بین محاسبه و حافظه تمایزی اساسی ایجاد می‌کند. این تمایز به این معنی است که صفرها و یک‌ها باید بین مکان‌های روی پردازنده کامپیوتر در رفت و آمد باشند؛ این یک مانع برای سرعت و مصرف انرژی به شمار می‌رود.

مغز کارها را به طور متفاوت انجام می‌دهد. یک نورون سیگنال‌هایی را نورون‌های بسیار دیگری دریافت می‌کند و تمام این سیگنال‌ها روی هم حالت الکتریکی نورون دریافت کننده را تحت تاثیر قرار می‌دهند. در عمل، هر نورون همزمان به عنوان یک ابزار محاسبه — جمع کردن ارزش تمام سیگنال‌هایی که دریافت کرده — و یک ابزار حافظه عمل می‌کند: ذخیره کردن ارزش تمام سیگنال‌های تجمعی به عنوان یک ارزش آنالوگ همیشه متغیر، به جای صفر یا یک در کامپیوترهای دیجیتال.

پژوهشگران تعدادی ابزار «ممریستیو» (memristive - مقاومت حافظه‌دار) ساخته‌اند که این قابلیت را تقلید می‌کنند. وقتی شما جریان‌هایالکتریکی را از درون آن‌ها عبور می‌دهید، مقاومت الکتریکی را عوض می‌کنید. همانند نورون های بیولوژیکی، این ابزارها محاسبه را با جمع کردن ارزش تمام جریان‌هایی که در معرض آن‌ها بوده‌اند انجام می‌دهند. و از طریق ارزشی که مقاومت آن‌ها می‌گیرد، ننتیجه را به یاد می‌سپارند.

برای مثال، یک ممریستور ارگانیک ساده می‌تواند دو لایه مواد رسانای الکتریکی داشته باشد. وقتی یک ولتاژ اعمال می‌شود، جریان الکتریکی، یون‌های شارژ شدهٔ مثبت را از یک لایه به لایهٔ دیگر می‌رانند. با این کار، سادگی انتقال الکتریسیته در لایهٔ دوم، زمانی که بار دیگر در معرض یک جریان الکتریکی قرار بگیرد، تغییر می‌کند. (شکل زیر را ببینید.)

متیو مارینلا (Matthew Marinella)، مهندس کامپیوتر در دانشگاه ایالتی آریزونا در تمپی که روی پردازش نورومورفیک پژوهش می‌کند، می‌گوید «این درواقع راهی است که اجازه دهیم فیزیکْ محاسبه را انجام دهد.»

این تکنیک کامپیوتر را از مقادیر دودویی مطلق رها می‌کند. سالئو می‌گوید «وقتی شما حافظهٔ کامپیوتری کلاسیک دارید، یا صفر است یا یک. ما یک حافظه می‌سازیم که می‌تواند هر مقداری بین صفر و یک داشته باشد. به این ترتیب می‌توانید آن را به شیوه‌ای آنالوگ تنظیم کنید.»

در حال حاضر، اکثر ممریستورها و ابزارهای مرتبط برپایهٔ مواد ارگانیک نیستند، بلکه برپایهٔ تکنولوژی چیپ‌های سیلیکون استاندارد هستند. برخی از آن‌ها حتی به صورت تجاری به عنوان راهی برای افزایش سرعت برنامه‌های هوش مصنوعی به کار رفته‌اند.

اما سالئو می‌گوید مواد ارگانیک این پتانسیل را دارند که کار را سریع‌تر و با انرژی کمتر انجام دهند. حتی بهتر، آن‌ها می‌توانند به گونه‌ای طراحی شوند که با مغز شما یکپارچه گردند. این مواد نرم و انعطاف‌پذیر هستند و حتی ویژگی‌های الکتروشیمیایی لازم را برای تعامل با نورون‌های بیولوژیکی دارند.

برای نمونه، فرانچسکا سانتورو (Francesca Santoro)، مهندس برق دانشگاه فنی آخن در آلمان، در حال توسعهٔ ابزاری پلیمری است که می‌تواند ورودی را از سلول‌های واقعی دریافت کند و از آن «یاد بگیرد».

در این دستگاه، سلول‌ها با یک فضای کوچک از نورون‌های مصنوعی جدا شده‌اند؛ مانند سیناپس‌هایی که نورن‌های واقعی را از یکدیگر جدا می‌کنند. وقتی سلول‌ها دوپامین — یک مادهٔ شیمیایی سیگنال دهنده به نورون‌ها — تولید می‌کنند، دوپامین حالت الکتریکی نیمهٔ مصنوعی دستگاه را تغییر می‌دهد. هرچه سلول‌ها دوپامین بیشتری تولید کنند، حالت الکتریکی نورون مصنوعی بیشتر تغییر می‌کند؛ درست همانطور که می‌توانید در رابطه با دو نورون بیولوژیکی شاهد آن باشید. (شکل زیر را ببینید.)

سانتورو می‌گوید «هدف نهایی ما طراحی ابزارهایی الکترونیکی است که مانند نورون‌ها به نظر می‌رسند و عمل می‌کنند.»

این رویکرد می‌تواند راهی بهتر برای استفاده از فعالیت ذهنی در کنترل اندام‌های مصنوعی یا صفحه نمایش کامپیوترها باشد. سیستم‌های امروزی از ابزارهای الکترونیکی استاندارد استفاده می‌کنند؛ شامل الکترودهایی که تنها می‌توانند گستره‌ای نسبتا بزرگ از فعالیت الکتریکی را بردارند و این ابزارها حجیم هستند و برای کار به کامپیوترهایی بیرونی نیاز دارند.

مدارهای انعطاف‌پذیر نورومورفیک می‌توانند این ابزارها را حداقل به دو روش بهبود دهند. آن‌ها قادر خواهند بود تا با واکنش به سیگنال‌های نورون‌ها به صورت منفرد، با تفکیک بیشتری سیگنال‌های عصبی را ترجمه کنند. و طبق گفتهٔ سالئو، دستگاه‌ها نیز احتمالا می‌توانند برخی از محاسبات لازم را خود انجام دهند که باعث صرفه‌جویی در انرژی و افزایش سرعت پردازش می‌شود.

طبق باور سالئو و سانتورو، سیستم‌های سطح پایه و نامتمرکز از این دست — با کامپیوترهای کوچک نورومورفیک که اطلاعات رسیده به سنسنورهای محلی را پردازش می‌کنند — راهی نویدبخش برای محاسبهٔ نورنمورفیک هستند.

سانتورو می‌گوید: «این حقیقت که آن‌ها به این خوبی عملیات الکتریکی نورون‌ها را شبیه‌سازی می‌کنند، آن‌ها را برای اتصال فیزیکی و الکتریکی به بافت‌های نورون، و در نهایت مغز، ایده‌آل می‌سازد.»