मस्तिष्क में न्यूरॉन्स की दुकान और संचारित करने के लिए जानकारी का स्रोत :. CNRI / SPL
अतिचालक कंप्यूटर चिप्स की न्यूरोनल मॉडल, एक तरह का मानव मस्तिष्क की तुलना में अधिक जल्दी से और कुशलता हाल ही में में प्रकाशित सूचना संसाधन "वैज्ञानिक प्रगति," नए परिणाम, वैज्ञानिकों शायद जैविक प्रणालियों की नकल करने के लिए डिज़ाइन किया गया उन्नत कंप्यूटिंग उपकरणों के विकास के लिए किया जाएगा कर सकते हैं एक प्रमुख बेंचमार्क। वहाँ अभी भी अपने वाणिज्यिक से पहले कई बाधाओं रहे हैं, लेकिन इस अध्ययन और अधिक प्राकृतिक मशीन सीखने सॉफ्टवेयर दरवाजा खोला गया है हालांकि।
आजकल, कृत्रिम बुद्धि सॉफ्टवेयर मानव मस्तिष्क की नकल करना शुरू कर रहा है, और Google के स्वचालित छवि वर्गीकरण और भाषा सीखने के कार्यक्रमों जैसे एल्गोरिदम कृत्रिम तंत्रिका नेटवर्क का उपयोग करके जटिल कार्य भी कर सकते हैं, लेकिन क्योंकि पारंपरिक कंप्यूटर सॉफ़्टवेयर को डिज़ाइन नहीं किया जा सकता है मस्तिष्क की तरह एल्गोरिथ्म चलाना, इन मशीनों को मानव मस्तिष्क की तुलना में अधिक कंप्यूटिंग शक्ति की आवश्यकता होती है।
नेशनल इंस्टीट्यूट ऑफ स्टैंडर्ड एंड टेक्नोलॉजी (एनआईएसटी) के एक भौतिक विज्ञानी, सह-लेखक माइकल श्नाइडर ने कहा, 'निश्चित रूप से ऐसा करने का एक बेहतर तरीका होगा क्योंकि प्रकृति को बेहतर समाधान मिल जाएगा।'
NIST, neuromorphic हार्डवेयर अनुकरण करने के लिए मानव मस्तिष्क के एक नंबर विकसित करने के लिए वांछित है, और उम्मीद है कि एक neuromorphic हार्डवेयर और अधिक कुशलता से काम कर सकते हैं मस्तिष्क की तरह सॉफ्टवेयर में से एक टीम। एक पारंपरिक इलेक्ट्रॉनिक प्रणाली में, अक्सर कुछ अंतराल पर ट्रांजिस्टर और प्रसंस्करण जानकारी की सही संख्या (बाइनरी अंक 0 या 1)। हालांकि, यह संभव अधिक स्रोतों से जानकारी की neuromorphic हार्डवेयर छोटी राशि जमा करने के लिए है, और जानकारी संकेत के एक अलग प्रकार का निर्माण करने के लिए बदल जाता है, और जरूरत पड़ने पर विद्युत धारा पहुंचाता कम के रूप में अगर न्यूरोनल फायरिंग। neuromorphic हार्डवेयर इसलिए यह जरूरी है ऊर्जा को चलाने के लिए।
हालांकि, इन उपकरणों अभी भी अप्रभावी बने हुए हैं, खाई या अन्तर्ग्रथनी संचरण जानकारी है, और इसलिए, नाइओबियम अतिचालक श्नाइडर एक न्यूरॉन की तरह इलेक्ट्रोड, जिस स्थिति में विद्युत प्रवाहकीय हो सकता है उत्पादन टीम के उपयोग की अवधि के लिए आवश्यक है, खासकर जब एक ट्रांजिस्टर जहां कोई विरोध नहीं। फिर , शोधकर्ताओं ने चुंबकीय nanoclusters मैंगनीज superconductor रिक्तियों को भरने के हजारों के लिए इस्तेमाल किया।
अन्तर्ग्रथन में चुंबकीय क्षेत्र की संख्या बदलकर, nanoclusters एक अलग दिशा में गठबंधन किया जा सकता है। इस प्रणाली शक्ति का स्तर और चुंबकीय दिशा में जानकारी एन्कोड करने के लिए सक्षम बनाता है, सिस्टम अन्य प्रणालियों neuromorphic से अधिक मजबूत दे रही है कंप्यूटिंग शक्ति, और अतिरिक्त शारीरिक जगह नहीं ले जाएगा।
इन synapses प्रति सेकंड अरब गुना तेजी से परिमाण के मानव न्यूरॉन आदेशों की गति अनुपात निर्वहन कर सकते हैं, जबकि प्रणाली की ऊर्जा की खपत एक जैविक अन्तर्ग्रथन का केवल एक दस हज़ारवां है कंप्यूटर सिमुलेशन में।, अगले करने के लिए स्थानांतरण एक इलेक्ट्रोड से पहले, सिंथेटिक न्यूरॉन्स 9 से इनपुट जानकारी स्रोतों की जांच कर सकते हैं, लेकिन जब प्रणाली जटिल गणनाओं पर के लिए पूर्व तकनीक आधारित है, synapses के हजारों की आवश्यकता होती है, श्नाइडर इंगित करता है कि इस स्तर आगे करने के लिए विस्तारित किया जा सकता आगे के अध्ययन और विश्लेषण के लिए
एक अन्य समस्या यह है कि synapses केवल पास परम शून्य तापमान पर काम कर सकते हैं, जबकि शांत करने के लिए तरल नाइट्रोजन का उपयोग करने की आवश्यकता है। मैनचेस्टर विश्वविद्यालय कंप्यूटर इंजीनियर स्टीवन Furber ने बताया कि इस चिप छोटे उपकरणों में व्यावहारिक बन कर सकता है यद्यपि बड़े डेटा केंद्र इसकी सेवा करने में सक्षम हो सकते हैं, श्नाइडर ने कहा कि डिवाइस को ठंडा करने के लिए एक पारंपरिक इलेक्ट्रॉनिक सिस्टम के संचालन की तुलना में कम ऊर्जा की आवश्यकता हो सकती है, जिसमें कंप्यूटिंग पावर की एक महत्वपूर्ण मात्रा है।
प्रौद्योगिकी बिजली इंजीनियर कार्वर मीड कैलिफोर्निया इंस्टीट्यूट ऑफ इस क्षेत्र में वर्तमान में प्रचार का पूरा अध्ययन की प्रशंसा की और गणना neuromorphic की नई विधि यह कहते हैं। ', हम एक उद्देश्य तरीके से ठीक काम को देखने के लिए सक्षम होने के लिए खुश हैं प्रस्तुत किया, 'उन्होंने कहा, लेकिन इससे पहले कि चिप वास्तविक क्षेत्रों की गणना करने के लिए किया जाता है यह भी एक बहुत लंबे समय की आवश्यकता हो सकती है, लेकिन अब भयंकर प्रतियोगिता और कई अन्य neuromorphic कंप्यूटिंग उपकरणों से चुनौतियों है।
Furber भी जोर दिया इस नए डिवाइस के व्यावहारिक अनुप्रयोग संभावना बहुत व्यापक है। 'यह उपकरण प्रौद्योगिकी बहुत ही दिलचस्प है, लेकिन अब हम पूरी तरह से इन जैविक synapses के महत्वपूर्ण प्रकृति नहीं समझ सकते, यह कैसे उन्हें और अधिक प्रभावी ढंग से उपयोग करने के लिए पता नहीं है। 'उन्होंने कहा, उदाहरण के लिए, वर्तमान में लोगों को अभी भी कई मुद्दों को हल किया जा करने के लिए, अर्थात् कैसे स्मृति गठन की प्रक्रिया जब इन synapses ही एक नए अंदाज़ में? इस शोधकर्ताओं स्मृति भंडारण चिप में कठिन प्रक्रिया को फिर से संगठित करने की अनुमति दी है।
फिर भी, Furber कहा कि कंप्यूटिंग डिवाइस के एक नए प्रकार के बाजार में प्रवेश करने के लिए 10 साल या उससे भी अधिक समय लगेगा, यहां तक कि मानव मस्तिष्क को समझने में मुश्किल neuroscientists, लेकिन वे बहुत ही कई विभिन्न तकनीकों को विकसित करने के लिए आवश्यक हैं।