Một nhà khoa học từ Viện Khoa học Ấn Độ (IISc), Bengaluru, đã nghiên cứu các ứng dụng của vật liệu mới có thể giúp máy tính bắt chước các chức năng mà não có thể thực hiện nhanh chóng.
“Mặc dù một số đề xuất về thiết bị tiếp hợp có sẵn trong tài liệu, nhưng không có đề xuất nào giúp thu hẹp khoảng cách giữa mạng nơ-ron sinh học và đối tác nhân tạo của chúng. Công trình của chúng tôi đã chỉ ra rằng việc phát triển các hệ thống có thể bắt chước chức năng giống não là có thể đạt được. Nó có thể giúp máy tính thực hiện các chức năng nhận thức, nhận dạng mọi người từ đám đông, phân biệt mùi cũng như tìm hiểu và đưa ra quyết định”, Giáo sư Mayank Shrivastava của IISc, người đã nhận Học bổng Swarna Jayanti 2020-21, cho biết.
Kể từ khi thành lập , các hệ thống máy tính tiên tiến đã và đang sử dụng kiến trúc von Neumann, sử dụng các khối bộ nhớ và xử lý được tách biệt về mặt vật lý. Mặc dù đây là cách tiếp cận tiết kiệm chi phí nhất cho đến nay, nhưng việc tách biệt vật lý bộ nhớ khỏi các khối xử lý đã trở thành giới hạn tốc độ để thúc đẩy khả năng tính toán của các hệ thống điện tử nano tiên tiến.
Bên cạnh đó, kiến trúc của von Neumann không thành công trong thực tế-thời gian xử lý thông tin mà bộ não con người có thể xử lý trong một phần nhỏ của giây. Luôn ghi nhớ những khoảng trống này, một kiến trúc thay thế, lấy cảm hứng từ tổ chức các tế bào thần kinh (đơn vị xử lý) và khớp thần kinh (bộ nhớ) trong não người mô phỏng hành vi tính toán giống não bộ, đã được khám phá đáng kể trong thập kỷ qua.
Một số lượng lớn nghiên cứu để hiểu các cơ chế cơ bản của não và khám phá các kiến trúc bộ nhớ mới khác nhau hiện đang mang lại niềm tin cho cộng đồng kỹ thuật rằng việc phát triển các hệ thống có thể bắt chước chức năng giống não là một mục tiêu có thể đạt được trong những thập kỷ tới. Yếu tố quan trọng của kiến trúc như vậy là một thiết bị nhớ được gọi là khớp thần kinh nhân tạo, tuy nhiên, thiết bị này phải hoạt động dựa trên các nguyên tắc sinh học/tiếp hợp.
Giáo sư Srivastava đang khám phá các vật liệu như Gali Nitride (GaN), mỏng về mặt nguyên tử. vật liệu hai chiều như Graphene, và các dichalcogenides kim loại chuyển tiếp (TMDC), cho các ứng dụng điện tử, thiết bị điện, điện quang, Thz, bộ nhớ và lượng tử khác nhau. Sử dụng Graphene và 2D-TMDCc, anh ấy đang mở rộng khả năng của các thiết bị bộ nhớ để hoạt động dựa trên các nguyên tắc sinh học/tiếp hợp và thu hẹp khoảng cách giữa mạng nơ-ron sinh học và đối tác nhân tạo của chúng.
Hiện tại, cùng với nhóm nghiên cứu của mình, anh đang phát triển các mạch cấu trúc thần kinh dày vài nguyên tử, các thiết bị công suất cực cao dựa trên GaN với độ tin cậy cao và các thiết bị/mạch hoạt động ở tần số THz.
Công trình của Giáo sư Shrivastava đã thu được hơn 150 bài đánh giá đồng cấp. các ấn phẩm quốc tế và khoảng 50 bằng sáng chế, và ông đã thành lập một công ty khởi nghiệp sản xuất GaN có tên AGNIT Semiconductors.
Hầu hết các bằng sáng chế này đều được cấp phép bởi các công ty bán dẫn hoặc đang được sử dụng trong các sản phẩm của họ. Anh ấy cũng là một trong những người đồng sáng lập Pvt. Công ty Ltd. Điều này cuối cùng sẽ giúp phát triển các mạch thần kinh cấu trúc dày vài nguyên tử, có khả năng giải quyết một số vấn đề phức tạp mà não người có thể giải quyết trong một tích tắc, nhưng một máy tính thông thường không thể giải quyết trong thời gian thực.
“Chúng ta vẫn còn quá xa để nhận ra một hệ thống tính toán giống như bộ não. (Nhưng) công trình hiện tại sẽ cung cấp một con đường để thu hẹp những khoảng cách quan trọng”, Giáo sư Shrivastava nói.
FacebookTwitterLinkedin