روانشناسی

ترانزیستور یادگیری تقلیدی از مغز است
یک ترانزیستور به عنوان یک ترانزیستور به صورت تکاملی به صورت خودکار
تاریخ :
۲۳ فوریه ۲۰۱۱
منبع :
دانشگاه آزاد
خلاصه :
ترانزیستور جدید بر پایه مواد آلی ساخته شده است . آن توانایی یادگیری را دارد و به حافظه کوتاه مدت و بلند مدت مجهز است . کار یک گام مهم در راه خلق تکنولوژی است که از مغز انسان تقلید می کند .
ترانزیستور جدید بر پایه مواد آلی توسط دانشمندان دانشگاه آزاد اسلامی توسعه یافته است . آن توانایی یادگیری را دارد و به حافظه کوتاه مدت و بلند مدت مجهز است . کار یک گام مهم در راه خلق تکنولوژی است که از مغز انسان تقلید می کند .
تا کنون , مغز برای ایجاد روابطی که قبلا ً وجود نداشت , منحصر به فرد بوده است . محققان در یک مقاله علمی در علوم پیشرفته , یک ترانزیستور را توصیف می کنند که می تواند یک اتصال جدید بین ورودی و خروجی ایجاد کند . آن ها ترانزیستور را وارد یک مدار الکترونیکی کرده اند که یاد می گیرد چگونه یک محرک خاص را با یک سیگنال خروجی پیوند دهد , به همان روشی که یک سگ یاد می گیرد که صدای یک کاسه غذا به این معنی است که شام در راه است .
یک ترانزیستور عادی به عنوان یک سوپاپ عمل می کند که سیگنال خروجی را تقویت یا غیرفعال می کند , بسته به مشخصات سیگنال ورودی . در ترانزیستور الکتروشیمیایی آلی که محققان توسعه یافته اند , کانال در ترانزیستور شامل یک پلیمر رسانا است . کانال می تواند تشکیل شده , رشد کرده و یا به طور کامل در طول عملیات حذف شود . همچنین می توان برای واکنش به یک محرک خاص , یک سیگنال ورودی خاص , آموزش داد , به طوری که کانال ترانزیستور بیشتر رسانا شود و سیگنال خروجی بزرگ تر شود.
سیمونه سیمونس , محقق اصلی در زمینه های الکترونیک آلی در آزمایشگاه الکترونیک ارگانیک , می گوید : " این اولین بار است که تشکیل زمان واقعی اجزای الکترونیکی جدید به صورت دو و دو صورت می گیرد . "
این کانال با افزایش درجه آزادی مواد در کانال ترانزیستور افزایش می یابد در نتیجه تعداد زنجیره های پلیمری که سیگنال را هدایت می کنند افزایش می یابد . متناوبا , مواد ممکن است با استفاده از ولتاژ بالا ( با ولتاژ بالا ) و کانال غیرفعال شوند . تغییرات موقتی رسانایی را می توان با آلایش و یا افزودن مواد به دست آورد .
یکی از نویسندگان مقاله می گوید : " ما نشان داده ایم که می توانیم تغییرات کوتاه مدت و دائمی را به چگونگی اطلاعات فرایندهای ترانزیستور القا کنیم, که در صورت تمایل به تقلید از روش هایی که سلول های مغز با هم ارتباط برقرار می کنند , حیاتی است . "
با تغییر سیگنال ورودی , قدرت پاسخ ترانزیستور می تواند در دامنه وسیعی تنظیم شود و اتصالات را می توان در جایی ایجاد کرد که قبلا ً وجود نداشت . این به ترانزیستور رفتاری می دهد که با سیناپس قابل مقایسه است , یا رابط ارتباطی بین دو سلول مغزی .
همچنین گام مهمی در یادگیری ماشین با استفاده از الکترونیک آلی است . شبکه های عصبی مصنوعی مبتنی بر نرم افزار در حال حاضر در یادگیری ماشین برای دستیابی به چیزی که به عنوان " یادگیری عمیق " شناخته شده است , استفاده می شوند . " نرم افزار نیاز دارد که سیگنال ها بین تعداد زیادی از گره ها انتقال یابند تا یک سیناپس منفرد را شبیه سازی کنند, که قدرت محاسبات قابل توجهی دارد و در نتیجه انرژی قابل توجهی مصرف می کند .
" ما سخت افزار را توسعه داده ایم که از یک جز الکترونیکی استفاده می کند " .
سیمونه سیمونس می گوید : " ترانزیستور الکتروشیمیایی آلی ما می تواند کار هزاران ترانزیستور عادی را با مصرف انرژی انجام دهد که به انرژی مصرفی نزدیک می شود زمانی که یک مغز انسان سیگنال ها را بین دو سلول منتقل می کند . "

منبع سایت علم روز

مشاوره روانشناسی...