ساخت تراشه‌‌ ماژولار که می‌توان اجزای آن متناسب با نیازها کم یا اضافه کرد

در حال حاضر وقتی تلفن‌های هوشمند، ساعت‌های هوشمند یا دیگر وسایل مشابه خیلی قدیمی می‌شوند، کارایی خود را تقریبا از دست می‌دهند، و چون نمی‌توانند به نیازهای روز پاسخ دهند، ناچار کنار نهاده می‌شوند و مدل‌های جدیدتری جای‌شان را می‌گیرند. اما اگر می‌شد پردازنده‌ها و حسگرهای داخلی همان تجهیزات قدیمی را مثل قطعه‌های «لگو» تعویض کرد، دیگر لازم نبود دستگاه را کلاً عوض کنید. با چنین راه‌کاری، دستگاه‌های دیجیتال همیشه به‌روز می‌مانند و تولید زباله‌های الکترونیک در جهان نیز کاهش می‌یابد.

مهندسان موسسه فناوری ماساچوست (ام‌آی‌تی) با همین رویکرد، تراشه‌‌ای طراحی کرده‌اند که ساختارش ماژولار است، یعنی می‌توان اجزای آن‌را مثل قطعات لگو کم یا اضافه کرد تا متناسب با نیاز کاربر تغییر یابد. تراشه مذکور نوعی تراشه هوش مصنوعی (Artificial Intelligence chip) است یعنی برای برخی کاربردهای هوش مصنوعی (مثل یادگیری ماشین یا تشخیص تصویر) برنامه‌ریزی شده است.

در تراشه‌های فعلی، لایه‌ها و اجزای تراشه بوسیله‌ اتصالات ریزِ فلزی با هم در ارتباطند و لذا تغییر دادن این تراشه‌ها اگر نگوییم غیرممکن، بسیار سخت است و به‌همین علت نمی‌توان آن‌ها را تغییرپذیر یا ماژولارو طراحی کرد.

اما نمونه تراشه‌ی جدیدِ ام‌آی‌تی، به‌جای سیم‌ها یا اتصالات فلزی از ارتباط نوری بهره می‌برد، یعنی اجزای تراشه‌ اطلاعات‌شان را بی‌سیم و به‌‌وسیله نور مبادله می‌کنند. بنابراین پیکربندی مجدد تراشه، دیگر کار سخت و پیچیده‌ای نیست و می‌توان قطعات خاص تراشه را با قطعات دیگری جایگزین کرد یا حتی اجزای بیشتری را به تراشه افزود.

به‌گفته‌ی «جی‌هون کانگ»، دانشجوی فوق‌دکتری ام‌آی‌تی و از دست‌اندرکاران پروژه، می‌توانید هر تعداد که می‌خواهید لایه‌های رایانشی و حسگر مثل حسگر نور، فشار و حتی (حسگر) بو به‌آن اضافه کنید.

محققان مشتاقند که این طرح در تجهیزات رایانشیِ لبه (اصطلاحا edge computing)¹ به‌کار گرفته شود؛ مثل حسگرهای خودکنترل و دیگر تجهیزات الکترونیک که مستقل کار می‌کنند و از منابع مرکزی یا توزیع‌شده مثل ابررایانه‌ها و رایانش ابری بی‌نیازند.

«جیه‌وان کیم» دانش‌یار مهندسی مکانیک ام‌آی‌تی می‌گوید، با ورود به عصر اینترنت اشیاء که برپایه‌ی شبکه‌ حسگرها کار می‌کند، تقاضا برای تجهیزات چندمنظوره‌ی رایانش لبه گسترش چشمگیری می‌یابد و معماری سخت‌افزاری پیشنهادی آن‌ها در حوزه رایانش لبه در آینده انعطاف‌پذیری بسیاری دارد.

طرح جدید ام‌آی‌تی فعلا برای تشخیص تصاویر ساده پیکربندی شده است. این تراشه از چند لایه شامل حسگرهای تصویر، دیودهای نورافشان (LED) و پردازنده‌های حاوی سیناپس‌های مصنوعی تشکیل شده است. سیناپس‌های مصنوعی که از سیناپس‌های شبکه عصبی مغز انسان اقتباس شده‌اند، در واقع آرایه‌ای از مقاومت‌های حافظه‌دار یا اصطلاحا ممریستورها (memristor) هستند که درکنار هم شبکه عصبی فیزیکی (brain-on-chip) تشکیل می‌دهند. هر آرایه را می‌توان طوری آموزش داد تا بتواند سیگنال‌ها را مستقیما روی خود تراشه پردازش و دسته‌بندی کند و برای این کار به نرم‌افزار خارجی یا اینترنت نیازی نداشته باشد.

محققان در ساختار این تراشه، حسگرهای تصویر را با مجموعه سیناپس‌های مصنوعی جفت کردند و آن‌ها طوری آموزش دیدند تا بتوانند حروف خاصی را (که در این آزمایش حروف M و I و T بود) تشخیص دهند. در تراشه‌های عادی هوش مصنوعی، سیگنال‌های حسگر توسط اتصالات یا سیم‌های فیزیکی به پردازنده منتقل می‌شود. اما در تراشه جدید، بین هر حسگر و آرایه سیناپس‌های مصنوعی، یک سامانه نوری وجود دارد تا این‌دو از طریق سیگنال‌های نوری با هم در ارتباط باشند و به اتصال فیزیکی نیازی نداشته باشند.

«هیونسئوک کیم» دانشجوی فوق‌دکتری ام‌آی‌تی می‌گوید، اجزای سایر تراشه‌‌ها با سیم‌های فیزیکی فلزی به هم متصلند و لذا پیکربندی مجدد و بازطراحی آن‌ها سخت است. پس اگر بخواهید قابلیت جدیدی به تراشه بیافزایید، باید تراشه جدیدی بسازید. اما آن‌ها اتصال سیمی فیزیکی را با سامانه ارتباط نوری جایگزین کردند که به آن‌ها آزادی عمل می‌دهد تا اجزای تراشه‌ را آنگونه که می‌خواهند تغییر دهند.

سامانه ارتباط نوری از آشکارساز نور (photodetector) و دیودهای نورافشان (LED) تشکیل شده است که یک‌به‌یک با هم جفت شده‌اند و هر کدام الگوی پیکسلی ریزی شکل می‌دهند. آشکارسازهای نور، یک حسگر تصویر دارند که داده‌ها را دریافت می‌کند و چند دیود نورافشان نیز دارند که داده‌ها را به لایه‌ی بعدی منتقل می‌کنند.

مساحت هسته رایانشی تراشه جدید ام‌آی‌تی حدود 4 میلی‌متر مربع است. این تراشه 3 بلوک تشخیص تصویر دارد که هر کدام‌شان از حسگر تصویر، لایه ارتباط نوری و آرایه سیپناس‌های مصنوعی برای دسته‌بندی یکی از سه حرف M یا I یا T تشکیل شده است.

محققان در نظر دارند قابلیت‌های حسی و پردازشی بیشتری را به تراشه بیافزایند و کاربردهای متعددی را برای آن در نظر گرفته‌اند.

مثلا آن‌ها می‌گویند، می‌توانند لایه‌هایی را به دوربین تلفن هوشمند اضافه کنند تا دوربین بتواند تصاویر پیچیده‌تری را تشخیص دهد یا این توانمندی را در پایش‌ وضعیت سلامت کاربر به‌کار بگیرد.

«جیه‌وان کیم» می‌گوید، آن‌ها می‌توانند برای تراشه پلتفرم فراگیری بسازند و هر لایه‌ی تراشه جداگانه فروخته شود. مثلا می‌توان شبکه‌های عصبیِ (مصنوعیِ) مختلفی برای تشخیص تصویر یا تشخیص صوت ساخت و اجازه داد تا مشتری آنچه را که می‌خواهد انتخاب کند و آن‌را مثل قطعه‌ لگو به تراشه‌اش بیافزاید.

پی‌نوشت:

1. رایانش لبه (edge computing) نوعی معماری رایانشیِ توزیع‌شده است که طبق آن، داده‌های کاربر جایی از شبکه پردازش می‌شود که به مبدا تولید داده نزدیک باشد. هدف این روش، کاهش زمان پاسخ‌گویی و کاهش مصرف پهنای باند شبکه است.