خاص – مروة البطة

صمم العلماء ترانزستور يقوم بتخزين ومعالجة المعلومات مثل الدماغ البشري ويمكنه أداء المهام المعرفية التي تواجهها معظم أنظمة الذكاء الاصطناعي اليوم.

تحاكي هذه التكنولوجيا، المعروفة باسم “الترانزستور المتشابك”، بنية الدماغ البشري، حيث يتم دمج قوة المعالجة والذاكرة بشكل كامل وتوجدان في نفس المكان، وهذا يختلف عن بنية الحوسبة التقليدية، حيث يكون المعالج والذاكرة مكونين منفصلين فعليًا.

وقال مارك هيرسام القائد المشارك للأبحاث وأستاذ علوم المواد والهندسة والحوسبة في جامعة نورث وسترن، في بيان: “يمتلك الدماغ بنية مختلفة جذريًا عن الكمبيوتر الرقمي، في الكمبيوتر الرقمي، تتحرك البيانات ذهابًا وإيابًا بين المعالج الدقيق والذاكرة، مما يستهلك الكثير من الطاقة ويخلق عنق الزجاجة عند محاولة أداء مهام متعددة في نفس الوقت.”

بسبب تكامله الكامل بين قوة الحوسبة والذاكرة، يمكن للترانزستور المتشابك تحقيق كفاءة أعلى بكثير في استخدام الطاقة ونقل البيانات بسرعة كبيرة، كما كتب الباحثون في الدراسة التي نشرت في 20 ديسمبر بمجلة Nature.

وقال العلماء إن هذا الشكل الجديد من هندسة الحوسبة ضروري، لأن الاعتماد على الإلكترونيات التقليدية في عصر البيانات الضخمة والطلب المتزايد على أعباء عمل حوسبة الذكاء الاصطناعي سيؤدي إلى استهلاك غير مسبوق للطاقة.

وقال الباحثون إن العلماء قاموا ببناء ترانزستورات متشابكة من قبل، لكنها تعمل فقط في درجات حرارة شديدة البرودة، لكن الترانزستور الجديد يستخدم مواد تعمل في درجة حرارة الغرفة.

تقوم الإلكترونيات التقليدية بتعبئة الترانزستورات على رقاقة السيليكون، ولكن في الترانزستور المتشابك الجديد، قام الباحثون بتكديس طبقة ثنائية من الجرافين (BLG) ونيتريد البورون السداسي (hBN) ولفوهم عمدًا لتشكيل ما يعرف بنمط تموج في النسيج.

وعندما قاموا بتدوير طبقة واحدة بالنسبة إلى الأخرى، ظهرت خصائص إلكترونية جديدة لم تكن موجودة في أي من الطبقتين بشكل منفصل، يتطلب جعل الترانزستور يعمل في درجة حرارة الغرفة استخدام درجة محددة من الالتواء واعتماد محاذاة شبه مثالية بين hBN وBLG.

اختبر الباحثون الشريحة من خلال تدريبها أولاً على البيانات حتى تتمكن من تعلم كيفية التعرف على الأنماط. ثم أظهروا للرقاقة تسلسلات جديدة مشابهة لبيانات التدريب ولكنها ليست متماثلة. هذه العملية، المعروفة باسم التعلم الترابطي، هي إحدى العمليات التي لا تستطيع معظم أنظمة التعلم الآلي القيام بها بشكل جيد.

وقال هيرسام: “إذا كان المقصود من الذكاء الاصطناعي تقليد الفكر البشري، فإن إحدى المهام ذات المستوى الأدنى ستكون تصنيف البيانات، وهو ما يعني ببساطة فرزها في صناديق”. “هدفنا هو تطوير تكنولوجيا الذكاء الاصطناعي في اتجاه التفكير عالي المستوى، غالبًا ما تكون ظروف العالم الحقيقي أكثر تعقيدًا مما تستطيع خوارزميات الذكاء الاصطناعي الحالية التعامل معها، لذلك قمنا باختبار أجهزتنا الجديدة في ظل ظروف أكثر تعقيدًا للتحقق من قدراتها المتقدمة.”

وقال هيرسام أن الميزات التي لاحظها العلماء في هذا الترانزستور التجريبي يمكن أن تهيئ الأجيال القادمة من التكنولوجيا لاستخدامها في رقائق عالية الكفاءة باستخدام الطاقة تعمل على تشغيل أنظمة الذكاء الاصطناعي والتعلم الآلي المتقدمة.