Công Nghệ & Ứng Dụng

Thế hệ máy tính mới có tỷ lệ chính xác là 99,6%

Thế hệ máy tính mới có tỷ lệ chính xác là 99,6%

Wikicabinet – Kênh thông tin tri thức nhân loại kính chào quý độc giả ở kỳ trước chúng tôi đã giới thiệu các chủ đề về:

Thế hệ máy tính mới có khả năng học tập

Kỳ này wikicabinet công nghệ & ứng dụng xin giới thiệu đến độc giả một chủ đề Thế hệ máy tính mới có tỷ lệ chính xác là 99,6%. Mời quý độc giả đón theo dõi chủ đề này cùng wikicabinet công nghệ & ứng dụng nhé!

Vào năm 2017, nhóm của tôi đã chứng minh thông qua các thí nghiệm rằng một điểm nối đường hầm từ tính có thể mô phỏng một tế bào thần kinh. Chúng tôi thậm chí còn đi xa hơn: chỉ sử dụng một điểm nối đường hầm từ tính, chúng tôi đã mô phỏng một mạng nơ-ron gồm 400 nơ-ron. Lược đồ này sử dụng một chiến lược được gọi là “ghép kênh phân chia theo thời gian”, trong đó điểm nối đường hầm từ thay phiên nhau đóng vai trò của mỗi nơ-ron. Sau đó, chúng tôi cũng sử dụng bộ não được xây dựng bằng spintronics này để nhận ra các con số được nói bởi những người khác nhau.

Để đạt được mục đích này, trước tiên chúng ta chuyển đổi tín hiệu âm thanh thành tín hiệu điện để nó có thể đi qua đường giao nhau của đường hầm từ tính. Để giữ cho tần số của nó nằm trong dải tần của thiết bị, tín hiệu điện tương ứng với tín hiệu âm thanh phải được gia tốc 1000 lần. Khi đi qua, chúng đã thay đổi hướng từ hóa của một nanoagnet. Sau đó, do sự hiện diện của hiệu ứng từ trở, tế bào thần kinh nhân tạo chuyển đổi chế độ dòng điện thành sự thay đổi điện áp ở cả hai đầu. Chúng tôi ghi lại sự thay đổi điện áp của tế bào thần kinh nhân tạo và sau đó truyền đến máy tính. Bằng cách này, chúng ta có thể mô phỏng toàn bộ mạng nơ-ron dựa trên chức năng của khớp thần kinh. Sau giai đoạn học cách phát âm các con số, các chức năng này được cấu hình. Sau đó, nhập tập hợp mạng nơ-ron này với các hộp thoại mới để nhận dạng các chữ số trong đó. Tỷ lệ chính xác có thể cao tới 99,6% và hiệu suất rất tốt. Thí nghiệm này đã chứng minh rằng mối nối đường hầm từ tính có thể mô phỏng các tế bào thần kinh một cách đáng tin cậy.

Về mặt tính toán thần kinh hình học, nghiên cứu trong lĩnh vực spintronics là rất nhiều cảm hứng. Thách thức mà chúng ta cần đối mặt trong tương lai là sử dụng hàng triệu điểm nối đường hầm từ tính để mô phỏng các nơ-ron và khớp thần kinh, đồng thời xây dựng một tập hợp hoàn chỉnh các mạng nơ-ron. Ngày nay, ngành công nghiệp đã có thể lắp đặt hàng tỷ mối nối đường hầm từ tính trên chip, cho phép chúng kết nối với các mạch điện cổ điển, để đóng vai trò của bộ nhớ. Điều này đặt nền móng vững chắc cho quá trình nghiên cứu lâu dài tiếp theo.

Spintronics mang đến cho chúng ta nhiều điều bất ngờ hơn thế này. Điểm nối đường hầm từ tính cũng có thể mô phỏng các đặc tính khác của não, chẳng hạn như hiệu ứng đồng bộ hóa giữa các nơ-ron ở xa nhau. Bởi vì trong não, các tín hiệu xung thần kinh đôi khi kích hoạt các phản ứng đồng thời từ các tế bào thần kinh ở xa. Sự đồng bộ này có nhiều ưu điểm. Trong quá trình xử lý tín hiệu, các tế bào thần kinh gửi tín hiệu xung cùng lúc có vai trò quan trọng hơn. Nếu tất cả chúng được kết nối với cùng một tế bào thần kinh, tế bào thần kinh thứ hai sẽ nhận được một số lượng lớn các tín hiệu xung trong một khoảng thời gian ngắn và có thể truyền tín hiệu một cách hiệu quả. Các tế bào thần kinh trong toàn bộ hệ thống chịu sự chi phối của hiện tượng này, tạo ra sóng não có thể ảnh hưởng hiệu quả đến hành vi của các tế bào thần kinh nằm ở các vùng não khác, mặc dù các tế bào thần kinh này có thể ở rất xa.

Các nút giao thông đường hầm từ tính chạy cực nhanh và các tín hiệu xung điện từ chúng tạo ra thường vượt quá hàng trăm nghìn hertz. Do đó, nó xử lý thông tin nhanh hơn não hàng triệu lần. Nhưng điều này lại dẫn đến một vấn đề khác, các thành phần này hoạt động giống như các trạm thu phát vô tuyến quy mô nano. Các điểm giao nhau của đường hầm từ tính cực kỳ nhạy cảm với sóng điện từ trong môi trường, có thể ảnh hưởng đến tín hiệu xung mà chúng tạo ra. Chúng là những sóng vô tuyến nhạy cảm. Bằng cách điều chỉnh các tín hiệu được gửi và nhận bởi tổ hợp đường hầm từ, có thể điều chỉnh các đặc tính của nó để các đường giao nhau trong đường hầm từ được đồng bộ với nhau. Bằng cách này, nó có thể giống như một tế bào thần kinh trong cơ thể sống.

Đưa loại hành vi đồng bộ này vào mạng nơ-ron nhân tạo có thể huấn luyện hiệu quả các mạng nơ-ron phù hợp với các nhiệm vụ khác nhau, đó là một con đường thú vị. Vào năm 2018, chúng tôi và các đồng nghiệp đã cùng nhau nghiên cứu một hệ thống chứa 400 điểm nối đường hầm từ tính. Nhiệm vụ của nó là nhận dạng các nguyên âm trong lời nói. Tín hiệu âm thanh này được giảm xuống hai tần số (được thực hiện bởi phân tích Fourier), được tăng tốc 100.000 lần, và sau đó được truyền tới một ăng-ten bao gồm 4 bộ dao động nano. Điều rất thú vị là trong thí nghiệm này, chúng tôi đã chứng minh rằng khả năng điều phối tần số riêng của đường hầm từ giúp cải thiện hiệu suất xác định tín hiệu âm thanh.

Để tiếp tục nghiên cứu sâu hơn, chúng ta cần cố gắng triển khai một mạng lưới thần kinh cho phép các tế bào thần kinh giao tiếp với các sóng điện từ nhận và phát ra qua đường giao nhau của đường hầm từ tính. Loại mạng này cung cấp một phương thức đáng tin cậy để nhận ra sự liên kết của các nơ-ron trong mạng nơ-ron dày đặc và mạng nơ-ron dày đặc là không thể thiếu để hoàn thành các nhiệm vụ phức tạp. Để đạt được mục tiêu này, một hệ thống hoàn chỉnh nên kết nối các nơ-ron được tạo ra từ các điểm nối đường hầm từ tính với các khớp thần kinh nhân tạo dựa trên MRAM, để MRAM có khả năng học hỏi.

Hệ thống như vậy có thể làm gì? Mục tiêu của chúng ta không phải là có được một trí tuệ nhân tạo sánh ngang với trí thông minh của con người, và sự hiểu biết của chúng ta về bộ não còn lâu mới đạt được thành tựu như vậy. Tuy nhiên, chúng tôi hy vọng sẽ có được một trí thông minh nhân tạo tiết kiệm năng lượng hơn và nhanh hơn so với hiện tại. Bằng cách này, chúng ta có thể giảm đáng kể năng lượng tiêu thụ của trung tâm máy tính khi dịch văn bản hoặc chuyển lời nói, hoặc cài đặt các thiết bị đó vào điện thoại di động hoặc xe ô tô tự lái để mang lại sự tiện lợi cho cuộc sống hàng ngày.

(Tác giả: Julie Glover Eliya là Trung tâm Nghiên cứu Khoa học Pháp – Nhà nghiên cứu Thales Viện Vật lý Liên hợp Damien Keliaozi Paris – Trung tâm Nghiên cứu Khoa học và Công nghệ Nano CNRS và Đại học Thackeray làm nhà nghiên cứu.)

Trong kỳ tiếp theo, Wikicabinet công nghệ & ứng dụng trân trọng mời độc giả đón đọc chủ đề Động cơ đốt trong có được thay thế không?

Nếu có những thắc mắc hay muốn tìm hiểu về bất kỳ chủ đề nào, hãy liên hệ với Wikicabinet công nghệ & ứng dụng bằng cách bình luận ở phía dưới nhé.

Leave a Reply