فهرست مطالب
محققان دانشگاه ییل موفق به ساخت تراشه میکروسیالی جدیدی شده‌اند که می‌تواند بدون استفاده از قطعات الکترونیکی، اطلاعات را در آب ذخیره کند.
به گزارش سرویس فناوری تکناک، این فناوری با بهره‌گیری از الیاف انعطاف‌پذیر و تغییر شکل آنها تحت فشار، نوعی حافظه فیزیکی ایجاد می‌کند و می‌تواند زمینه ساخت ربات‌های نرمی را فراهم کند که بدون نیاز به کنترل‌کننده‌های الکترونیکی، اطلاعات را پردازش می‌کنند.
بیشتر سامانه‌های سیالی تنها به شرایط لحظه‌ای جریان واکنش نشان می‌دهند، اما فناوری جدید دانشگاه ییل می‌تواند اطلاعات مربوط به جریان‌های گذشته را حفظ کند. در این طراحی، اجزای فیزیکی تراشه اطلاعات را ذخیره می‌کنند و وضعیت قبلی سامانه بر رفتار آینده آن تأثیر می‌گذارد.
این دستاورد می‌تواند مسیر تازه‌ای برای توسعه سامانه‌های پردازش اطلاعات ایجاد کند که به‌جای مدارهای الکترونیکی، از فشار و حرکت سیالات استفاده می‌کنند.
بیشتر بخوانید: مایکروسافت از نسل سوم تراشه هوش مصنوعی Maia پرده برداشت
نحوه ذخیره اطلاعات در آب
محققان برای ساخت این تراشه، مجموعه‌ای از الیاف انعطاف‌پذیر را درون شبکه‌ای از کانال‌های بسیار باریک قرار داده‌اند. عمق هر کانال تقریبا نصف ضخامت موی انسان است و سیال از میان این مسیرهای کوچک عبور می‌کند.
هنگام عبور سیال، فشار جریان باعث تغییر وضعیت الیاف میان دو حالت پایدار می‌شود. هر حالت مسیر حرکت سیال را تغییر می‌دهد و به این ترتیب، اطلاعات مربوط به وضعیت قبلی سامانه در ساختار فیزیکی تراشه باقی می‌ماند.
مهندسان می‌توانند این دو حالت را معادل ارقام دودویی صفر و یک در نظر بگیرند. رایانه‌های معمولی نیز اطلاعات را با همین منطق ذخیره می‌کنند، اما تراشه جدید برای تغییر وضعیت حافظه به قطعات الکترونیکی نیازی ندارد.
آبینهیت راجپوت، نویسنده اصلی پژوهش و دانشجوی تحصیلات تکمیلی آزمایشگاه پروفسور امیر پهلوان توضیح داد که برخلاف سامانه‌های میکروسیالی متداول که به اجزای فعال وابسته هستند، این فناوری از الیاف بسیار نازک برای ذخیره غیرفعال اطلاعات استفاده می‌کند.
ویژگی مهم دیگر این طراحی، تعامل الیاف با یکدیگر است. تغییر وضعیت یک فیبر می‌تواند رفتار بخش‌های دیگر شبکه را تحت تأثیر قرار دهد. این ارتباط متقابل، امکان ایجاد حافظه فیزیکی پیچیده‌تری را فراهم می‌کند.
استفاده از تراشه جدید به عنوان مغز ربات‌های نرم
یکی از کاربردهای احتمالی این فناوری، توسعه کنترل‌کننده‌های جدید برای ربات‌های نرم است. این ربات‌ها برای انجام وظایفی مانند خم شدن، عبور از فضاهای محدود و فعالیت در محیط‌های دشوار طراحی می‌شوند.
در سامانه پیشنهادی محققان، فشار و سرعت جریان سیال می‌توانند وظیفه انتقال سیگنال را برعهده بگیرند. کانال‌های باریک بخش‌های مختلف کنترل‌کننده را به یکدیگر متصل می‌کنند و الیاف انعطاف‌پذیر نیز جریان را تنظیم و اطلاعات را ذخیره می‌کنند.
امیر پهلوان، استادیار مهندسی مکانیک دانشگاه ییل معتقد است این فناوری می‌تواند امکان ساخت کنترل‌کننده کاملا سیالی را فراهم کند که درون یک ربات نرم قرار بگیرد و عملا نقش مغز آن را ایفا کند.
چنین رویکردی به‌ویژه در محیط‌هایی اهمیت دارد که تجهیزات الکترونیکی با محدودیت مواجه هستند. برای مثال، تداخل الکترومغناطیسی می‌تواند عملکرد مدارهای الکترونیکی را مختل کند، اما سامانه‌ای مبتنی بر حرکت سیالات می‌تواند جایگزینی برای کنترل‌کننده‌های متداول باشد.
با وجود این، محققان هنوز باید عملکرد این فناوری را در شرایط عملی بررسی کنند. آنها باید نشان دهند که کنترل‌کننده سیالی می‌تواند وظایف واقعی یک ربات را با دقت و قابلیت اطمینان کافی انجام دهد.
بیشتر بخوانید: تراشه ۱۰۰ کیوبیتی IBM مرز آشوب و نظم را شکست
امکان یادگیری در شبکه‌های سیالی بدون مغز الکترونیکی
هدف محققان تنها ذخیره اطلاعات نیست. آنها اکنون می‌خواهند بررسی کنند که آیا شبکه‌های سیالی می‌توانند برای ارائه پاسخ‌های مشخص آموزش ببینند یا خیر.
آموزش چنین شبکه‌هایی می‌تواند نحوه واکنش آنها به جریان‌های ورودی را تغییر دهد و امکان سازگاری رفتار سامانه با شرایط جدید را فراهم کند. دستیابی به این قابلیت، فناوری را از حافظه فیزیکی به سمت یادگیری فیزیکی هدایت خواهد کرد.
همچنین این پژوهش می‌تواند به شناخت رفتار موجودات فاقد مغز کمک کند. برای مثال، کپک‌های مخاطی می‌توانند مسیرهای کارآمدی را در هزارتوها پیدا کنند. علاوه بر این، محققان به بررسی نحوه واکنش قارچ‌ها و ریشه گیاهان به تغییرات محیطی علاقه‌مند هستند.
شبکه‌های سیالی می‌توانند مدلی برای مطالعه تأثیر تجربه‌های گذشته و تعاملات فیزیکی بر رفتار این موجودات باشند. با وجود این، توانایی یادگیری وظایف کاربردی در چنین سامانه‌هایی هنوز اثبات نشده است و به تحقیقات بیشتری نیاز دارد.
بیشتر بخوانید: این ماده جدید سرعت رمزنگاری ریزتراشه‌ها را هزاران برابر می کند
