به گزارش نبض وطن، و به نقل از ساینی دیلی، در یک پیشرفت چشمگیر در حوزه فناوری حافظه‌های نوین، پژوهشگران مرکز تحقیقات یولیخ به رهبری ایلیا والو، ممبرستورهای جدیدی را معرفی کرده‌اند که به‌طرز شگفت‌آوری شبیه به عملکرد سلول‌های مغزی عمل می‌کنند و با مصرف انرژی بسیار پایین، قابلیت‌های استثنایی در مقابله با مشکل فراموشی فاجعه‌آمیز شبکه‌های عصبی مصنوعی دارند. این مشکل زمانی رخ می‌دهد که حین آموزش برای وظایف جدید، شبکه‌های عصبی اطلاعات یادگرفته‌شده قبلی خود را از دست می‌دهند.
ممبرستور که ترکیبی از کلمه‌های حافظه و مقاومت است، به‌عنوان یک عنصر کلیدی در محاسبات در حافظه (computation-in-memory) شناخته می‌شود. پژوهشگران با استفاده از روشی نوین که بر پایه یک مکانیزم تغییر هدایت فیلامان (FCM) استوار است، از تشکیل یک فیلامان بر پایه اکسیدهای فلزی بهره برده‌اند. این فیلامان، با حرکت یونی‌های اکسیژن و تانتالوم، به‌گونه‌ای پایدار ایجاد می‌شود که هرگز به‌طور کامل حل نمی‌شود و تنها تغییرات شیمیایی جزئی در آن ایجاد می‌شود.
ویژگی‌های منحصربه‌فرد این ممبرستورهای نوین شامل عملکرد در بازه ولتاژی وسیع، مقاومت بالا در برابر دما و پایداری الکتریکی و شیمیایی بیشتر نسبت به فناوری‌های قبلی است. علاوه بر این، این ممبرستورها قابلیت کار در حالت‌های آنالوگ و دیجیتال را به‌طور هم‌زمان دارند؛ ویژگی‌ای که شبیه به عملکرد مغز انسان است و می‌تواند در کاهش اثرات فراموشی فاجعه‌آمیز نقشی حیاتی ایفا کند. پژوهشگر مرکز تحقیقات یولیخ، ایلیا والو، توضیح می‌دهد: «با استفاده از حالت‌های سوئیچینگ مختلف، می‌توانیم تنظیمات ممبرستور را به‌گونه‌ای کنترل کنیم که اطلاعات ذخیره‌شده از بین نرود.»
توسعه این فناوری در قالب شبیه‌سازی‌های اولیه در مدل‌های شبکه عصبی مصنوعی به موفقیت‌های چشمگیری دست یافته است. در آزمایش‌هایی روی مجموعه داده‌های تصویری، این سیستم توانست دقت بالایی در شناسایی الگوها نشان دهد. پژوهشگران امید دارند با بهبود مواد اولیه و مکانیزم‌های سوئیچینگ، ممبرستورهای معرفی‌شده عملکرد بهتری از نسخه‌های پیشین داشته باشند.
این دستاورد نه‌تنها می‌تواند تحولی در توسعه حافظه‌های محاسباتی ایجاد کند، بلکه پتانسیل بالایی در پیشرفت سیستم‌های هوش مصنوعی و کاربردهای متنوع از جمله پردازش تصاویر و داده‌های بزرگ دارد. استفاده از این فناوری نوین می‌تواند نسل جدیدی از چیپ‌های عصبی الهام‌گرفته از مغز انسان را به ارمغان آورد که با کاهش مصرف انرژی و افزایش دقت، جایگزین فناوری‌های سنتی شوند.
با ادامه تحقیقات و بهبود فرایندهای تولید، انتظار می‌رود این ممبرستورهای نوین به‌زودی در محصولات تجاری و کاربردهای متنوع صنعتی به کار گرفته شوند و نقش مهمی در آینده محاسبات و هوش مصنوعی ایفا کنند.
