محققان دانشگاه لیمریک در ایرلند نشان دادند که محاسبات غیر متعارف شبیه به مغز در کوچکترین مقیاس اتمی و مولکول‌ها امکان‌پذیر است.
یک سوئیچ آلی می‌تواند محاسبات را همانند مغز انجام دهد
محققان موسسه برنال دانشگاه لیمریک با یک تیم بین‌المللی از دانشمندان همکاری کردند تا نوع جدیدی از مواد ارگانیک را ایجاد کنند که از رفتار گذشته خود چیزهایی را یاد می‌گیرد.
نتایج مربوط به این سوئیچ مولکولی پویا که رفتار سیناپسی را تقلید می‌کند در قالب مقاله‌ای در مجله Nature Material منتشر شده است.
این مطالعه توسط دیمین تامپسون، استاد مدل‌سازی مولکولی در گروه فیزیک دانشگاه لیمریک، به همراه کریستین نیژویس در مرکز مولکول‌ها و سیستم‌های نانو با الهام از مغز انجام شد.
این گروه در دوران کرونا، یک لایه با ضخامت دو نانومتر از مولکول‌ها ایجاد کرد که ۵۰،۰۰۰ برابر نازک‌تر از یک رشته مو است و تاریخچه خود را با عبور الکترون‌ها ثبت می‌کند.
پروفسور تامپسون می‌گوید که احتمال سوئیچ شدن و مقادیر حالت‌های روشن/خاموش به طور مداوم در مواد مولکولی تغییر می‌کند، که یک جایگزین انقلابی برای سوئیچ‌های دیجیتال مبتنی بر سیلیکون معمولی است، که فقط می‌توانند روشن یا خاموش باشند.»
این سوئیچ آلی پویا که تازه کشف شده، تمام عملکردهای منطق ریاضی لازم برای یادگیری عمیق را دارد و با موفقیت از رفتار سیناپسی شبیه به مغز موسوم بهفراخوان پاسخ پاولوویان استفاده می‌کند.
محققان خصوصیات این مواد جدید را با استفاده از خصوصیات تجربی گسترده و اندازه‌گیری‌های الکتریکی پشتیبانی شده توسط مدل‌سازی چند مقیاس از مدل‌سازی پیش‌بینی‌کننده ساختارهای مولکولی در سطح کوانتومی تا مدل‌سازی ریاضی تحلیلی داده‌های الکتریکی نشان دادند.
برای تقلید از رفتار دینامیکی سیناپس‌ها در سطح مولکولی، محققان انتقال سریع الکترونی (شبیه به پتانسیل‌های عمل و فرآیندهای دپلاریزاسیون سریع در زیست شناسی) را با جفت پروتون کُند محدود شده (شبیه به نقش یون‌های کلسیم زیستی یا انتقال‌دهنده‌های عصبی) ترکیب کردند.
از آنجا که مراحل انتقال الکترون و پروتون در داخل مواد در مقیاس‌های زمانی بسیار متفاوت اتفاق می‌افتد، این تحول می‌تواند رفتار پلاستیکی اتصالات عصبی سیناپس، یادگیری پاولوویان و تمام دروازه‌های منطقی برای مدارهای دیجیتال را به سادگی با تغییر ولتاژ کاربردی و مدت زمان تقلید کند.
تامپسون می‌گوید: «مدت‌هاست که همه می‌دانند که فناوری سیلیکون کاملاً متفاوت از نحوه عملکرد مغز ما کار می‌کند و بنابراین ما از انواع جدیدی از مواد الکترونیکی بر اساس مولکول‌های نرم برای تقلید از شبکه‌های محاسباتی مانند مغز استفاده کردیم.»
محققان توضیح دادند که این روش در آینده می‌تواند برای سیستم‌های مولکولی پویا که توسط محرک‌های دیگر مانند نور هدایت می‌شوند و همراه با انواع مختلف تشکیل پیوند کووالانسی پویا اعمال شود.
