მკვლევრებმა შეიმუშავეს მასალა, რომელსაც შეუძლია გაიმეოროს ის თუ როგორ ინახავს ტვინი ინფორმაციას. მასალა მუშაობს ნეირონების სინაფსების დაკოპირების გზით, რაც საშუალებას აძლევს მას მიბაძოს ღრმა ძილის დროს მიღებულ შედეგს. მკვლევართა ჯგუფმა, Universitat Autònoma de Barcelona (UAB)-დან შექმნა მაგნიტური მასალა ნეირომორფული გამოთვლების გამოყენებით.

ნეირომორფული გამოთვლა არის გამოთვლითი კონცეფცია, რომელიც იყენებს ხელოვნურ ნეირონებს ტვინის ქცევისა და ნეირონების სინაფსური ფუნქციების იმიტაციისთვის.

ტვინის ფუნქციის იმიტაციის ერთ-ერთი საშუალებაა ნეირონების პლასტიურობა, რომელიც "ინფორმაციის შენახვის ან მისი დავიწყების უნარია. თავის მხრივ, ეს დამოკიდებულია ნეირონების სტიმულირების ელექტრული იმპულსების ხანგრძლივობასა და განმეორებაზე", — ნათქვამია კვლევაში. პლასტიურობის ეს ფორმა დაკავშირებულია მეხსიერებასთან და ტვინში ახლის სწავლასთან.

კვლევა ჟურნალ Materials Horizons-ში გამოქვეყნდა.

მასალები, რომლებიც "სწავლას" სიმულირებენ

მკვლევართა ჯგუფმა აღმოაჩინა გარკვეული მასალები, რომლებიც ბაძავენ ნეირონების სინაფსებს. მათ მიეკუთვნებიან მემრეზისტიული (ელექტრონული მეხსიერების), ფაზის შეცვლისა და მაგნიტო-იონური მასალები.

მიბაძვა ხდება იონების მიმართ ელექტრული ველის გამოყენებით. მაგნიტოიონურ მასალებში მკვლევრებმა იციან, თუ როგორ კონტროლდება მაგნიტიზმი ელექტრული ველის გამოყენებისას, მაგრამ საკმაოდ რთულია მაგნიტური თვისებების პროგრესირების კონტროლი, როდესაც ძაბვა შეჩერებულია. შესაბამისად, ამით რთულდება ტვინის ფუნქციონირების იმიტაცია, როგორიცაა სწავლის პროცესი, რომელიც ხდება მაშინაც კი, როდესაც ტვინი ღრმა ძილის მდგომარეობაშია.

კვლევა

კვლევას უძღვებოდნენ UAB-ის ფიზიკის დეპარტამენტის მკვლევრები ჯორდი სორტი და ენრიკ მენენდესი კატალონიის ნანომეცნიერებისა და ნანოტექნოლოგიის ინსტიტუტთან თანამშრომლობით. ჯგუფმა შემოგვთავაზა მაგნიტიზაციის კონტროლის ახალი გზა.

"ჩვენს მიერ შემუშავებული მასალა მუშაობს ელექტრული ძაბვის მიერ კონტროლირებადი იონების მოძრაობით. ეს ჩვენი ტვინის ანალოგიურად და ნეირონებში წარმოქმნილი სიჩქარით, მილიწამების სიზუსტით", — ამბობენ მკვლევრები.

ჩვენ შევიმუშავეთ ხელოვნური სინაფსი, რომელიც მომავალში შეიძლება გახდეს ახალი გამოთვლითი პარადიგმის საფუძველი, რომელსაც გამოვიყენებთ კომპიუტერებისთვის. ასევე, პირველად შეძლეს ინფორმაციის მიღების განახლების მიბაძვა ძაბვის გამოყენების გარეშე.

კვლევის შედეგები

ეს ახალი შედეგი ხსნის შესაძლებლობების მთელ სპექტრს ნეირომორფული გამოთვლითი ფუნქციებისთვის. ამის მაგალითია ნერვული სწავლის მიბაძვის შესაძლებლობა, რაც ხდება ღრმა ძილის დროს. ამჟამად, ამის გამეორება სხვა ტექნოლოგიით შეუძლებელია.

"ჩვენ ეს შევძელით მაშინ როდესაც კობალტის მონონიტრიდის ფენის სისქე 50 ნანომეტრზე დაბალი იყო და ძაბვა გამოიყენებოდა წამში 100 ციკლზე მეტი სიხშირით", — ამბობენ სორტი და მენენდესი.

თუ სტატიაში განხილული თემა და ზოგადად: მეცნიერებისა და ტექნოლოგიების სფერო შენთვის საინტერესოა, შემოგვიერთდი ჯგუფში – შემდეგი ჯგუფი.