Yapay Sinir Sistemleri Beyinden İlham Alacak

Southampton Üniversitesi’nde yürütülen yeni bir çalışmada, memristör (İng. memory resistor) adı verilen ve insan beynini taklit edebilen nano ölçekteki bir cihazın, yapay sinir ağlarının gücünü arttır..
Görsel Telif:

Southampton Üniversitesi’nde yürütülen yeni bir çalışmada, memristör (İng. memory resistor) adı verilen ve insan beynini taklit edebilen nano ölçekteki bir cihazın, yapay sinir ağlarının gücünü arttırmak için kullanılabileceği gösterildi. Memristörler devredeki elektrik akımını değiştirebilen ve sınırlayabilen elektriksel devre bileşenleridir ve içerisinden geçen akım miktarını hatırlayabilir ve elektrik kesilmiş bile olsa veriyi saklayabilirler.

Nature Communications dergisinde yayımlanan çalışmada, Southampton Üniversitesi’ndeki araştırma ekibi tarafından, gürültülü girdi verilerinden tersinebilir öğrenme gerçekleştirebilmek için karmaşık öğrenme kurallarını destekleyen memristör sinapslarını kullanan bir yapay sinir ağı deneysel olarak gösterildi.

Yapay sinir ağları (YSA’lar) öğrenme yeteneği sergileyebilirler ve desen tanıma, çevrimiçi öğrenme ve sınıflandırma gibi geleneksel bilgisayar sistemlerinin altından kalkamayacağı görevleri yerine getirebilirler. YSA’ların pratikteki uygulanmaları, verimli donanımsal sinapsların yani her YSA’nın büyük miktarlarda sahip olması gereken anahtar bileşenin eksikliği nedeniyle şimdilik mümkün değil.

Southampton Üniversitesi Elektronik ve Bilgisayar Bilimleri Bölümü’nden çalışmanın baş yazarı Dr. Alex Serb; “Eğer insan beynini işlevsel ve güç bakımından taklit edebilecek yapay sistemler inşa etmek istersek, yüz milyarlaca hatta belki de trilyonlarca yapay sinapslar kullanmamız gerekir ve bunların pek çoğu da çeşitli karmaşıklık derecelerindeki öğrenme kurallarını yerine getirmek zorundadır. Mevcut elektronik bileşenler böylesi sinapsları oluşturmak üzere birbirlerine bağlanabildikleri halde, tamamen mümkün olsa bile, yeni tasarlanmış ve üretime geçilmiş sinaps bileşenleri olmadan, gereken enerji ve alan verimlilik değerlendirmelerinin karşılanması çok zor olacaktır. Memristörler, öğrenebilen sinapsların pek çok temel özelliğini destekleyerek (hafıza depolama, çevrimiçi öğrenme, bilgisayarlı güçlü öğrenme kurallarının yerine getirilmesi, iki-sonlu yapı) bu amacı oldukça yoğun hacimlerde ve düşük enerji maliyetlerinde mümkün kılıyor. Eğer günün birinde yapay beyinler gerçek olacaksa, bu memristör sinapsların başarısı sayesinde olacak” diye anlatıyor.

Bir metal oksit memristör dizisi, beyindeki sinapslar gibi davranarak, olasılıksal Kazanan Hepsini Alır (KHA, İngilizce: Winner-Take-All, WTA) ağları içerisindeki denetlenmeyen girdi desenlerini öğrenme ve yeniden öğrenme kapasitesine sahiptir. Bu özellik, veriler hakkında önceden bilgi sahibi olmadan eş zamanlı olarak büyük miktarlarda veriyi işleyebilecek düşük enerjili gömülü işlemcileri mümkün kılmak için olağanüstü derecede kullanışlıdır.

Çalışmanın yan yazarı Dr. Themis Prodromakis; “Yeni teknolojilerin tutulmasını baltalayan başlıca etken, pratik uygulamalarda sağlayacağı yararları gösterecek uygulamalı örneklerde eksiklikliği oluyor. Bizim çalışmamız, büyük veriyi (İng. big data) gerçek zamanlı olarak işlemek için (ki bu, modern toplumun karşı karşıya kaldığı güçlüklerden biridir) nano ölçekli memristörlerin silikon içi sinir devrelerinin formüle edilmesinde gayet güzel kullanılabileceğini kanıtlayarak, bu anlamda köklü bir değişiklik ortaya koyuyor. Bu türden donanımsal platformların insan müdahelesi olmadan çevresine bağımsız bir şekilde adapte olabildiklerini ve eşzamanlı olarak gürültülü verileri işlerken bile oldukça dirençli olabildiklerini gösterdik. Bu yeni donanım türü, zor ve ulaşılmaz ortamlarda eş zamanlı görüntülemeyi hızlandırmak amaçlı yaygın teknolojilerde çok geniş çapta uygulama alanı bulabilir; ki bu da Nesnelerin İnterneti vizyonunu etkin kılmak için arzu edilen bir yetenektir.” diye anlatıyor.

Bu disiplinlerarası çalışma, CHIST-ERA projesi ve Mühendislik ve Fiziksel Bilimler Araştırma konseyi tarafından desteklendi. Southampton Üniversitesi Nanoelektronik ve Nanoteknoloji grubu’ndan mühendisler ile Graz Teknoloji Üniversitesi’nden teorik fizikçiler, bu çalışma için Southampton Nanoüretim Merkezi’nin gelişmiş tesislerinde bir araya geldiler.

Southampton Üniversitesi’ndeki Prodromakis ve ekibi, 1971 yılında memristörleri teorik olarak öne süren Leon Chua ile iş birliği içerisinde, bu alanda dünyanın önde gelen grubu olarak tanınıyor.


Kaynak: Brain-inspired device to power artificial systems
https://www.sciencedaily.com/releases/2016/10/161007084748.htm

İlgili Makale: Unsupervised learning in probabilistic neural networks with multi-state metal-oxide memristive synapses DOI: 10.1038/ncomms12611


 

Etiket
  • Projelerimizde bize destek olmak ister misiniz?
  • Dilediğiniz miktarda aylık veya tek seferlik bağış yapabilirsiniz.
  • Destek Ol
Yorum Yap (0 )

Yorum yapabilmek için giriş yapmalısınız.

Bunlar da ilginizi çekebilir

Bağış Yap, Destek Ol!
Projelerimizde bize destek olmak istersen
Patreon üzerinden
aylık veya tek seferlik bağışta bulunabilirsin.
E-Bülten Üyeliği
Duyurulardan e-posta ile
haberdar olmak istiyorum.
Reklam Reklam Ver
Arşiv