خبریں

محققین کی بنیاد پر محققین نیورونل سنپیکک پلاسٹک کی حیثیت اور نیچرل نیٹ ورک کے تخروپن کو حاصل کریں

انسانی دماغ، 10 ^ 11 اور 10 کی طرف سے ایک نیوران ایک انتہائی گٹھڑی سے synaptic مشتمل ~ 15 ^، نیورل نیٹ ورک میں متغیر کی بڑے پیمانے پر متوازی، پیچیدہ نیٹ ورک کی ساخت، دماغ کے نیوران ایک حساب کے انجن سمجھا جاتا ہے یہ متوازی سے ان پٹ کو قبول کرتا ہے، dendritic سے synaptic plasticity کا عمل سے مربوط synapses کے ہزاروں سے synaptic سرگرمیوں کی ایک مخصوص پیٹرن کی طرف سے ایک حیاتیاتی تبدیلی سے synaptic وزن پیدا کرنے کے لئے ہے، اس عمل میں دماغ سیکھتا سمجھا جاتا ہے اور منبع میموری ینالاگ سے synaptic plasticity اور سیکھنے، مصنوعی عصبی نیٹ ورک کی تعمیر، neuromorphic دماغ کمپیوٹر کی مستقبل کی وصولی کی کلید، مصنوعی ذہانت ٹیکنالوجی اور نئے الیکٹرانک آلات کے قیام کے عروج کے ساتھ، ایک الیکٹرانک آلہ استعمال کر رہا ہے. حالیہ برسوں میں سے synaptic plasticity اور سیکھنے، ایک نیا جدید تحقیق کی تشکیل کے نیوران انکار - الیکٹرانکس (سے synaptic الیکٹرانکس) synapses.

فی الحال، اہم ینالاگ الیکٹرانکس سے synaptic سے synaptic تقریب کو مزاحمانہ آلہ (memristor) اور تین ٹرمینل مزاحمانہ آلہ (فیلڈ اثر ٹرانجسٹر) ختم ہوتا ہے. سے synaptic وزن اور ان آلات کے وزن کی متغیر مزاحمت (پیش رابطے کنکشن طاقت میں تبدیلی) کو کامیابی سے synaptic plasticity اور سیکھنے انکرن کرنے کے لئے استعمال کیا گیا ہے کی طرح ہے. حال ہی میں فزکس کے انسٹی ٹیوٹ، سائنسز کے چینی اکیڈمی / مقناطیسی اتوار یانگ ریسرچ گروپ کے لئے کثیف مادہ طبیعیات نیشنل ریسرچ سنٹر کے لئے بیجنگ نیشنل لیبارٹری اس طرح ایک آلہ چارج اور مقناطیسی بہاؤ، جس الیکٹریکل ریاست قدر پر مل جاتا ہے کے درمیان ایک غیر لکیری تعلقات کی طرف سے وضاحت کی گئی ہے میموری مل آلہ (memtranstor) - پہلی مقناطیسی یوگمن اثر کی بنیاد پر بین الاقوامی غیر مستحکم سرکٹ عنصر مجوزہ نمائندگی کرتے ہیں، گزشتہ کام میں مقناطیسی یوگمن کی پیمائش آلہ کی ایک وولٹیج قیمت کی طرف سے دی جا سکتی ہے.، اتوار یانگ تحقیقی گروہوں پر مبنی تھیں کامیابی سے کمرے کے درجہ حرارت، کثیر ریاست میموری افعال اور بولین منطق کی کارروائیوں میں دو ریاستی اسٹوریج کو مل میموری مظاہرہ کیا ہے. مزاحمانہ آلہ کے ساتھ مقابلے میں، مل کر میموری کم طاقت کی کھپت کا فائدہ ہے.

حال ہی میں، اتوار یانگ ریسرچ گروپ ایسوسی ایٹ پروفیسر شانگ پہاڑوں، پی ایچ ڈی شین معاف اور حلیفوں سائنسز کے چینی اکیڈمی، طبیعیات محقق شین Bao یورپی نسل، بیجنگ عمومی یونیورسٹی کے پروفیسر وانگ Shouguo، مل کر کی کامیابی یوگمن کو یاد کرتے ہوئے درخواست کی یاد میں نئی ​​پیش رفت کو دیکھنے کے تنازعہ میں استعمال کیا جاتا ہے ایک مسلسل تبدیلیوں reversibly برقی مل اقدار، نقلی neurite حصول کے لئے نبض ٹرگر وولٹیج اور پلس تعدد کو ایڈجسٹ کی طرف الیکٹرونکس کے میدان چھونا. وہ نی / PMN-PT RT بڑے مقناطیسی / نی میموری مل کر آلہ ایک یوگمن اثر ہونے ڈیزائن کے ذریعے وزن میں اضافہ کو چھو اور رویے میں کمی. عصبیات جائزوں سے synaptic سیکھنے ہرب سے synaptic وزن سے پہلے اور synaptic کنکشن کے بعد نیوران کی سرگرمیوں کی حوصلہ افزائی کے لحاظ سے مختلف ہوتی ہیں، قانون کی پیروی دکھایا گیا ہے. وہ نبض وولٹیج waveform کو متحرک، اور دو پلس waveforms کے ایک نبض تسلسل کا انحصار سے synaptic plasticity کا plasticity کے (STDP) رویے کے حصول کے لئے superimposed کر رہے ہیں ہے. اس کی بنیاد پر، وہ ایک عصبی نیٹ ورک 4 * 4 مل کر کی میموری کی بنیاد پر، بے ترتیب شور سیکھنے تعمیر، ینالاگ جامد اور متحرک سیکھنے کی تصاویر. مطالعہ ینالاگ میموری سے synaptic plasticity اور سیکھنے کو مل کر استعمال کرتے ہوئے دنیا میں سب سے پہلے تھا، تعمیر کم طاقت میموری عصبی نیٹ ورک، الیکٹرانکس طرح ایک سے synaptic دماغ مل کر اور کمپیوٹنگ ٹیکنالوجی کی ترقی کے لئے ایک نیا نقطہ نظر فراہم کرتا ہے کے امکانات کا مظاہرہ کیا.

اعلی درجے کی معدنیات میں شائع تحقیق کے نتائج. تحقیق نیشنل Zirankexue فاؤنڈیشن، سائنس کی وزارت اور سائنسز کے چینی اکیڈمی کی طرف سے فراہم کیا گیا تھا.

انجیر 1.a، بنیادی سرکٹ ڈایاگرام عناصر؛ B، یی decoupler خصوصیت وکر؛ ج، کام کرنے کی میموری مل آریھ؛ D، مقناطیسی یوگمن وولٹیج (VME) اور مقناطیسی میدان کے ساتھ الیکٹروڈ سمت کو تبدیل کر.

انجیر 2.a، یوجنابدق synapses؛ B، اتیجنا / وولٹیج میں ٹرگر نبض تبدیلیوں کے ساتھ postsynaptic امکانات کے سندمن (EPSP / IPSP)؛ C، 2.5 کیوی / کے تحت حالات کی تعداد کے ساتھ سینٹی میٹر پلس وولٹیج ٹرگر EPSP / IPSP ٹرگر پلس تبدیل.

انجیر 3.a، B، اور اسی نبض انحصار plasticity کا محرک پلس waveform وقت. C، D، نبض ایک آسان فارم اور اسی محرک پلس waveform میں منحصر plasticity کا وقت.

شکل 4. اے، نیورل نیٹ ورک ڈایاگرام؛ ب، ٹریل پلس واففاریٹ ڈایاگرام؛ سی؛ نپٹھ نیٹ ورک سیکھنے سے پہلے اور بعد میں مطابقت پذیر وزن؛ ڈی، شور پکسل کی تبدیلیوں کی تعداد کے ساتھ سنترپتی کی قدر کی درستگی کو سیکھنے.

2016 GoodChinaBrand | ICP: 12011751 | China Exports