محققانی از موسسه‌های CNRS ،Thales و دانشگاه‌های بوردو، Paris-Sud و Evry موفق به ساخت سیناپس مصنوعی با قابلیت یادگیری مستقل شده‌اند.
یکی از اهداف علم بیومیمتیک الهام‌گیری از مغز در راستای طراحی ماشین‌های هوشمند است. مثلاً الگوریتم تشخیص چهره‌ی مغز هم‌اکنون توسط نرم‌افزارهای تشخیص صورت استفاده می‌شود. اما حالا محققان یک گام فراتر گذاشته‌اند و یک سیناپس مصنوعی رو تراشه طراحی کرده‌اند که قادر به یادگیریاست. همچنین آنها مدلی گسترش داده‌اند که می‌تواند این توانایی یادگیری را توضیح دهد. این کار مسیر را به سوی ساخت شبکه‌های سیناپسی و همچنین سیستم‌های هوشمند با مصرف زمان و انرژی کمتر هموار می‌سازد.
فرایند یادگیری مغز وابسته به سیناپس‌هاست، این سیناپس‌ها به عنوان اتصالات نورون‌ها عمل می‌کنند. هرچه یک سیناپس بیشتر تحریک شود، یادگیری تقویت می‌گردد. محققان هم از همین مسئله الهام گرفته‌اند و سیناپس «memristor» را ساخته‌اند؛ یک نانوساختار الکترونیکی که شامل یک لایه فروالکتریک بین دو الکترود می‌شود و میزان مقاومت آن با پالس‌های اختلاف پتانسیل (همانند آنچه در نورون‌ها شاهد هستیم) قابل تغییر است. هرچه مقاومت کمتر باشد، اتصال قوی‌تر است و بالعکس.
هم‌اکنون آزمایشگاه‌های زیادی رو ساخت چنین ابزاری کار می‌کنند ولی در اکثر موارد عملکرد ابزار تا حد زیادی ناشناخته است. پژوهشگران این گروه تحقیقاتی برای اولین بار موفق شده‌اند یک مدل فیزیکی برای پیش‌بینی عملکرد سیناپس طراحی کنند. مدلی که کمک می‌کند بتوانیم سیستم‌های پیچیده‌تری طراحی کنیم، مثلاً ساختارهایی شامل نورون‌های مصنوعی که با memristor به هم متصل شده‌اند.
نتایج این تحقیق در ژورنال Nature Communications منتشر شده است.
ترجمه: کسری طباطبایی
