میکروتراشههای الهامگرفته از مغز انسان؛ راهکار آلمان برای مهار بحران انرژی پردازشی
دانشمندان آلمانی از توسعه میکروتراشههایی الهامگرفته از مغز انسان خبر دادهاند که هدف آنها کاهش چشمگیر مصرف انرژی در سامانههای پردازشی مدرن است.
به گزارشسرویس فناوری جهانی مگ، این پژوهشگران اعلام کردند که در دانشگاه Ilmenau University of Technology روی نسل جدیدی از تراشههای فوقسریع و کممصرف کار میکنند که ساختار و شیوه پردازش آنها از عملکرد مغز انسان الهام گرفته شده است. این تیم پژوهشی در قالب پروژهای با نام neuroNODE، به دنبال توسعه اجزای الکترونیکی ابررسانا است، که اطلاعات را نه با جریان پیوسته، بلکه با پالسهای بسیار کوتاه الکتریکی پردازش میکنند.
پیشنهادی: آیا مغز انسان از ابتدا برنامهریزی شده است؟
به گفته پژوهشگران، این پالسها مسیر انتقال سیگنالها در سیستم عصبی انسان را شبیهسازی میکنند. در حالی که تراشههای سیلیکونی رایج حتی در حالت آمادهبهکار نیز انرژی مصرف میکنند، فناوری جدید تنها در زمان پردازش سیگنال فعال میشود. همین تفاوت، به عنوان عامل اصلی کاهش مصرف انرژی و افزایش بازده محاسباتی مطرح شده است.
بخوانید: ویروس کرونا مغز انسان را ۵.۵ ماه پیرتر کرد
هانس توپفر، رهبر این پروژه تحقیقاتی اعلام کرد که در صورت استفاده عملی از این فناوری در مراکز داده، مصرف انرژی برای دستیابی به همان توان محاسباتی فعلی میتواند تا ۵۰ درصد کاهش یابد. او توضیح داد که این هدف در کوتاهمدت محقق نخواهد شد، اما بهبود تدریجی فناوری میتواند در نهایت چنین صرفهجویی قابل توجهی را ممکن کند.
پروژه میکروتراشههای الهامگرفته از مغز انسان، پاسخی مستقیم به بحران روبهرشد انرژی در حوزه فناوری اطلاعات به حساب میآید. افزایش استفاده از گوشیهای هوشمند، خدمات ابری، پلتفرمهای پخش آنلاین و سامانههای مبتنی بر هوش مصنوعی، حجم ترافیک داده جهانی را به سرعت بالا برده است. این روند، تقاضا برای برق را به رکوردهای جدیدی رسانده و فشار قابل توجهی بر زیرساختهای انرژی وارد کرده است.
در همین راستا، آموزش مدلهای زبانی بزرگ به عنوان یکی از پرمصرفترین فعالیتهای محاسباتی شناخته میشود. برآوردها نشان میدهد که آموزش یک مدل پیشرفته مانند ChatGPT-4، حدود ۵۰ میلیون کیلوواتساعت انرژی مصرف کرده است. این میزان برق، انرژی بیش از ۱۰ هزار خانوار سهنفره را در طول یک سال تأمین میکند.
مطالعات انجامشده در ایالات متحده نیز بر شدت این بحران تأکید دارند. دادهها نشان میدهد که مصرف برق ناشی از کاربردهای فناوری اطلاعات، طی هشت سال گذشته و همزمان با رشد هوش مصنوعی، دو برابر شده است. پژوهشگران آزمایشگاه Lawrence Berkeley National Laboratory پیشبینی میکنند که تا سال ۲۰۲۸، بیش از نیمی از برق مصرفی مراکز داده صرف پردازشهای مرتبط با هوش مصنوعی خواهد شد.
در چنین شرایطی، تراشههای سیلیکونی سنتی به یک گلوگاه جدی تبدیل شدهاند. این تراشهها حتی زمانی که کاری انجام نمیدهند، همچنان انرژی مصرف میکنند و امکان پاسخگویی پایدار به تقاضای فزاینده را محدود میسازند. به همین دلیل، پژوهشگران در سراسر جهان به دنبال فناوریهای جایگزین با بهرهوری انرژی بالاتر هستند.
بخوانید: تأثیرات نگرانکننده ChatGPT بر مغز انسان
تیم دانشگاه ایلمناو اعلام کرده است که توسعه مدارهای ابررسانا را از ابتدای ژانویه آغاز میکند. ایده اصلی این مدارها، نخستین بار در دهه ۱۹۵۰ توسط John von Neumann مطرح شد و بر استفاده از پالسهای ولتاژ بسیار کوتاه برای انتقال داده تکیه دارد. این روش با بهرهگیری از اثرات کوانتومی، امکان انتقال اطلاعات با اتلاف انرژی بسیار کم را فراهم میکند.
پژوهشگران تأکید کردند که مغز انسان با مصرف تنها حدود ۲۰ وات انرژی، وظایف شناختی بسیار پیچیدهای را انجام میدهد. انتقال این اصل زیستی به دنیای ریزالکترونیک، میتواند مبنای تحول اساسی در معماری تراشهها باشد.
برای مطالع: این دستگاه عملکرد مغز انسان را در پردازش اطلاعات شبیهسازی می کند
به گفته توپفر، این فناوری در آینده نقش کلیدی در توسعه رایانههای کوانتومی نیز خواهد داشت. او هشدار داد که بدون چنین اجزای پایهای، کنترل تعداد بالای کیوبیتها امکانپذیر نخواهد بود. همزمان، برنامهریزان فناوری در آمریکا پیشبینی میکنند که ماژولهای الکترونیکی ابررسانای نوری، از حدود سال ۲۰۳۵ به یک ضرورت اجتنابناپذیر در زیرساختهای محاسباتی تبدیل شوند.
