پژوهشگران دانشگاه "ام‌آی‌تی"، حسگر‌هایی مبتنی بر هوش مصنوعی ساخته‌اند که ساختار آن‌ها به لگو شباهت دارد.
به گزارش گرداب، آینده پایدارتری را تصور کنید که در آن مجبور نیستید تلفن‌های همراه، ساعت‌های هوشمند و سایر دستگاه‌های پوشیدنی را کنار بگذارید یا دور بیاندازید تا مدل‌های جدیدتری داشته باشید. در عوض، می‌توان آن‌ها را با جدیدترین حسگر‌ها و پردازنده‌هایی که روی تراشه داخلی دستگاه قرار می‌گیرند، ارتقا داد. این کار مانند بازی با قطعات لگو است. این تراشه قابل تنظیم مجدد می‌تواند دستگاه‌ها را به روز نگه دارد و در عین حال، ضایعات الکترونیکی را کاهش دهد.
مهندسان دانشگاه "ام‌آی‌تی" (MIT) با ارائه یک طراحی شبیه به لگو برای یک تراشه مبتنی بر هوش مصنوعی و قابل تنظیم مجدد، گامی به سوی تحقق این تصور برداشته‌اند.
این طرح شامل لایه‌های متناوبی از عناصر حسگر و پردازش‌کننده، همراه با چند LED است که به لایه‌های تراشه امکان می‌دهند تا از نظر نوری با هم ارتباط برقرار کنند. سایر طرح‌های ارائه‌شده در مورد تراشه‌های ماژولار، از سیم‌کشی معمولی برای رله کردن سیگنال‌ها بین لایه‌ها استفاده می‌کنند. قطع کردن و سیم‌کشی مجدد چنین اتصالات پیچیده‌ای، اگر غیرممکن نباشد، دشوار است و باعث می‌شود چنین طرح‌هایی، قابل تنظیم مجدد نباشند.
طراحی پژوهشگران ام‌آی‌تی، به جای سیم‌های فیزیکی، از نور برای انتقال اطلاعات از طریق تراشه استفاده می‌کند. بنابراین، تراشه را می‌توان مجددا با لایه‌هایی پیکربندی کرد که قابل تعویض هستند. به عنوان مثال، می‌توان به افزودن حسگر‌های جدید یا پردازنده‌های به‌روزشده پرداخت.
"جیهون کانگ" (Jihoon Kang)، از پژوهشگران این پروژه گفت: شما می‌توانید هر تعداد لایه و حسگر محاسباتی را که می‌خواهید، اضافه کنید. ما این فناوری را یک تراشه شبیه به لگو می‌نامیم که مبتنی بر هوش مصنوعی و قابل تنظیم مجدد است و با توجه به ترکیب لایه‌ها، قابلیت گسترش نامحدود دارد.
پژوهشگران مشتاق هستند تا این طرح را روی دستگاه‌های محاسباتی، حسگر‌های خودکفا و سایر وسایل الکترونیکی اعمال کنند که مستقل از هر منبع مرکزی مانند ابررایانه‌ها یا محاسبات مبتنی بر فضای ابری کار می‌کنند.
"جیوان کیم" (Jeehwan Kim)، استاد مهندسی مکانیک دانشگاه ام‌آی‌تی گفت: با ورود به عصر اینترنت اشیا که مبتنی بر شبکه‌های حسگر است، تقاضا برای دستگاه‌های محاسباتی چندکاره به‌طور چشمگیری افزایش می‌یابد. معماری سخت افزاری پیشنهادی ما، تطبیق‌پذیری بالایی را در آینده فراهم می‌کند.
طراحی این گروه پژوهشی در حال حاضر برای انجام دادن وظایف اصلی تشخیص تصویر پیکربندی شده است و این کار را از طریق لایه‌بندی حسگر‌های تصویر، LED و پردازنده‌های ساخته‌شده از سیناپس‌های مصنوعی انجام می‌دهد. سیناپس‌های مصنوعی، آرایه‌هایی متشکل از "ممریستورها" (memristors) هستند که پژوهشگران پیشتر توسعه داده بودند و به همراه یکدیگر به عنوان یک شبکه عصبی فیزیکی یا "مغز روی تراشه" عمل می‌کنند. هر آرایه را می‌توان برای پردازش و طبقه‌بندی سیگنال‌ها، به طور مستقیم و بدون نیاز به نرم‌افزار خارجی یا اتصال به اینترنت، روی یک تراشه به کار برد.
پژوهشگران در طراحی تراشه جدید خود، حسگر‌های تصویر را با سیناپس‌های مصنوعی جفت کردند و هر کدام را برای تشخیص حروف خاصی آموزش دادند که در این مورد، حروف M، I و T بودند. اگرچه یکی از روش‌های مرسوم می‌تواند سیگنال‌های حسگر را از طریق سیم‌های فیزیکی به پردازشگر منتقل کند، اما پژوهشگران در عوض، یک سیستم نوری را میان هر حسگر و سیناپس مصنوعی قرار دادند تا ارتباط بین لایه‌ها بدون نیاز به اتصال فیزیکی امکان‌پذیر شود.
"هیونسوک کیم" (Hyunseok Kim)، از پژوهشگران این پروژه گفت: سایر تراشه‌ها به صورت فیزیکی و با استفاده از فلز سیم‌کشی می‌شوند که کار دشواری است و طراحی مجدد آن‌ها را نیز دشوار می‌سازد؛ بنابراین اگر می‌خواهید عملکرد جدیدی را به آن اضافه کنید، باید یک تراشه جدید بسازید. ما اتصال سیم فیزیکی را با یک سیستم ارتباطی نوری جایگزین کردیم که به ما امکان می‌دهد تا تراشه‌ها را به روشی که می‌خواهیم، روی هم قرار دهیم و به سیستم اضافه کنیم.
سیستم ارتباط نوری این گروه پژوهشی، متشکل از ردیاب‌های نوری و LED جفتی است که هر کدام با پیکسل‌های ریز طرح‌ریزی شده‌اند. هنگامی که یک سیگنال مانند تصویری از یک حرف به حسگر تصویر می‌رسد، الگوی نور، پیکربندی خاصی از پیکسل‌ها را رمزگذاری می‌کند. این کار، لایه دیگری از آشکارساز‌های نوری را به همراه یک سیناپس مصنوعی تحریک می‌کند و به طبقه‌بندی سیگنال براساس الگو و قدرت نور LED ورودی می‌پردازد.
پژوهشگران دریافتند که تراشه، تصاویر واضح مربوط به هر حرف را به درستی طبقه‌بندی می‌کند، اما کمتر قادر به تشخیص تصاویر تار است. با وجود این، پژوهشگران توانستند لایه پردازش تراشه را به سرعت تعویض کنند. پس از این کار، تراشه توانست تصاویر را به دقت شناسایی کند.
"مین کیو سونگ" (Min-Kyu Song)، از پژوهشگران این پروژه گفت: ما قابلیت انباشتگی، تعویض و توانایی درج یک عملکرد جدید در تراشه را نشان دادیم.
پژوهشگران قصد دارند قابلیت‌های حسی و پردازشی بیشتری را به تراشه اضافه کنند و کاربرد‌های آن را بی حد و حصر می‌دانند. "چانیول چوی" (Chanyeol Choi)، پژوهشگر ارشد این پروژه گفت: ما می‌توانیم لایه‌هایی را به دوربین تلفن همراه اضافه کنیم تا بتواند تصاویر پیچیده‌تری را تشخیص دهد یا آن‌ها را به ردیاب‌های سلامتی تبدیل کنیم که می‌توانند در پوست الکترونیکی پوشیدنی تعبیه شوند.
وی افزود: ایده دیگر ما، برای تراشه‌های ماژولار است که در قطعات الکترونیکی تعبیه می‌شوند و مصرف‌کنندگان می‌توانند انتخاب کنند تا آن‌ها با جدیدترین حسگر‌ها و پردازنده‌ها ساخته شوند.
جیوان کیم گفت: ما می‌توانیم یک پلتفرم عمومی تراشه را بسازیم و سپس، هر لایه به طور جداگانه مانند یک بازی ویدیویی فروخته شود. ما می‌توانیم انواع مختلفی از شبکه‌های عصبی مانند تشخیص تصویر یا صدا را بسازیم و به مصرف‌کننده امکان دهیم تا آنچه را که می‌خواهد انتخاب کند و آن را مانند لگو به یک تراشه اضافه کند.
این پژوهش، در مجله "Nature Electronics" به چاپ رسید.
