محققان دانشگاه ملی سئول با استفاده از فناوری تراشه‌های فلش 3D توانسته‌اند راه‌حلی برای کاهش مصرف انرژی و بهبود کارایی خودروهای خودران تا ۷۴ درصد ارائه دهند.
به گزارش سرویس خودروی تکناک، این فناوری از تراشه‌های فلش 3D برای پردازش داده‌ها به‌طور مستقیم در محل ذخیره‌سازی آنها استفاده می‌کند، که باعث کاهش مصرف انرژی و بهبود کارایی سیستم‌های ناوبری خودران می‌شود. این نوآوری در پردازش تصویر و بهینه‌سازی مسیرهای خودروهای خودران می‌تواند تحولی بزرگ در صنعت حمل‌ونقل هوشمند ایجاد کند.
یکی از بزرگترین چالش‌های سیستم‌های خودران، پردازش داده‌ها برای شناسایی جاده‌ها و تعیین مسیرهای بهینه است. در سیستم‌های سنتی، داده‌ها باید بین حافظه و پردازشگر جابه‌جا شوند، که این فرایند نه تنها زمان‌بر است، بلکه مصرف انرژی زیادی نیز به همراه دارد. اما تیم تحقیقاتی دانشگاه سئول با استفاده از فناوری «محاسبات در حافظه»، این مشکل را حل کرده‌اند. در این فناوری جدید، تراشه‌ها، داده‌ها را در همان مکان ذخیره‌سازی پردازش می‌کنند و به این ترتیب از نیاز به انتقال داده‌ها بین حافظه و پردازشگر جلوگیری می‌شود.
یکی از ویژگی‌های بارز این تراشه‌ها، طراحی هندسی غیرمعمول آنها است. در حالی که معمولاً در طراحی تراشه‌ها، اتصالات سلول‌های حافظه به صورت عمودی و افقی انجام می‌شود، محققان سئول اتصالات تراشه‌های خود را به صورت مورب طراحی کرده‌اند. این الگوی طراحی جدید به تراشه‌ها این امکان را می‌دهد که عملیات استخراج ویژگی‌ها از تصاویر ماهواره‌ای را با مصرف انرژی و فضای فیزیکی کمتری انجام دهند. به این ترتیب، تراشه‌ها می‌توانند داده‌ها را به‌طور مؤثرتری پردازش کنند و کارایی بیشتری را در پردازش تصاویر و بهینه‌سازی مسیرها ارائه دهند.
تراشه‌های جدید قادر هستند ویژگی‌های جاده‌ها را از تصاویر ماهواره‌ای استخراج کنند و سپس مسیرهای بهینه را برای خودروهای خودران تعیین نمایند. در آزمایش‌های انجام‌شده، این سیستم توانست با دقت بیش از ۹۰ درصد، ویژگی‌های جاده‌ها را از ۱,۴۳۸ تصویر ماهواره‌ای استخراج کند. این دقت بالا نشان‌دهنده کارایی بالای تراشه‌ها در پردازش تصاویر بزرگ است. به این ترتیب، خودروهای خودران می‌توانند با استفاده از این فناوری، مسیرهای بهینه را شناسایی کنند و با مصرف انرژی کمتری به مقصد برسند.
در سیستم‌های معمولی یادگیری تقویتی، برای ایجاد تصادف در تصمیمات اولیه به مدارهای اضافی نیاز است. این مدارها می‌توانند مصرف انرژی و پیچیدگی سیستم را افزایش دهند. اما در این تراشه‌ها، نوسانات الکتریکی طبیعی موجود در سلول‌های حافظه فلش 3D به‌عنوان منبع تصادفی عمل می‌کند. این نوسانات الکتریکی به سیستم کمک می‌کنند تا در مراحل اولیه یادگیری، مسیرهای مختلف را آزمایش و بهترین مسیرها را پیدا کند. به این ترتیب، سیستم می‌تواند بدون نیاز به مدارهای اضافی برای تولید تصادف، به‌طور مؤثری یاد بگیرد که کدام مسیرها بهترین نتیجه را به همراه دارند.
تیم تحقیقاتی، سیستم خود را در آزمایش‌هایی روی ۴۹ شبکه مختلف جاده‌ای آزمایش کرد. این سیستم توانست به‌طور کامل و با دقت بالا، مسیرهای بهینه را شبیه‌سازی کند و موفق به دستیابی به ۱۰۰ درصد دقت در تمام تست‌ها شد. این عملکرد نشان می‌دهد که تراشه‌های حافظه فلش 3D می‌توانند به‌طور مؤثری در سیستم‌های خودران پیاده‌سازی شوند و مصرف انرژی را به‌طور قابل توجهی کاهش دهند.
تراشه‌های فلش 3D که در این تحقیق استفاده شده‌اند، در مقایسه با دیگر فناوری‌های حافظه مانند RAM مقاومتی و ترانزیستورهای فروالکتریک، کارایی بهتری در پردازش تصاویر بزرگ و داده‌های پیچیده دارند. این تراشه‌ها به دلیل استفاده از معماری خاص خود، از ظرفیت بالاتری در ذخیره‌سازی داده‌ها برخوردار هستند و می‌توانند داده‌ها را به‌طور هم‌زمان پردازش کنند. علاوه بر این، طراحی مورب اتصالات سلول‌ها باعث می‌شود که مصرف انرژی به حداقل برسد و کارایی سیستم بهبود یابد.
یکی دیگر از ویژگی‌های برجسته این فناوری، سازگاری آن با فرایندهای تولیدی موجود در صنعت نیمه‌هادی است. محققان از فرایندهای تولیدی استاندارد برای ساخت تراشه‌های فلش 3D استفاده کرده‌اند و این موضوع باعث می‌شود که تولید انبوه این تراشه‌ها با سرعت بیشتری انجام شود. همچنین این تراشه‌ها می‌توانند با استفاده از زیرساخت‌های موجود در صنعت نیمه‌هادی، به‌سرعت وارد مرحله تجاری‌سازی شوند و در سیستم‌های خودران و دیگر دستگاه‌های هوشمند مورد استفاده قرار گیرند.
این فناوری نوین می‌تواند به‌سرعت وارد بازار شود و در سیستم‌های خودران به کار رود. با توجه به کاهش مصرف انرژی و بهبود کارایی سیستم‌ها، این فناوری می‌تواند تاثیر بزرگی بر صنعت خودروهای خودران و سایر فناوری‌های مشابه داشته باشد. به این ترتیب، این تراشه‌ها می‌توانند به‌عنوان یک جزء کلیدی در سیستم‌های خودران و دیگر دستگاه‌های هوشمند به‌کار گرفته شوند و به توسعه سریع‌تر این فناوری‌ها کمک کنند.
