>> ابرکامپیوتر شبهمغز آلمانی با ۶۵۰ هزار هسته؛ در دارو >> استارتاپ آلمانی یک ابرکامپیوتر پ
>> ابرکامپیوتر شبهمغز آلمانی با ۶۵۰ هزار هسته؛ در دارو >> استارتاپ آلمانی یک ابرکامپیوتر پیشرفته ساخته که معماری آن الهای از عملکرد مغز انسان الهام گرفته است. این سیستم با بیش از ۶۵۰ هزار هسته پردازشی و با استفاده از تکنیک پراکندگی دینامیک، توانایی در سرعت fá را دارا است و بهطور قابلتوجهی أقل از سنتی مصرف انرژی میکند.
بر اساس گزارش EE، این ابرکامپیوتر جدید را به دانشگاه لایپزیگ در آلمان فروش کرده و هدف اصلی آن استفاده در تحقیقات dé mé است. این بر پایه نسل دوم معماری طراحی شده و توسط استیو فربر، یکی از طراحان کلی معماری ARM، پایهگذاری شده است. بزرگترین سیستم شبهمغز در جهان به شمار میرود و صرفاً برای کاربردهای پزشکی تخصصی به کار میرود. چگونه معماری از الهام مغز אדם بهره میبرد؟
برخلافپیوتها یا سامانههای مبتنی بر GPU که تمامی هستهها را بهصورت همزمان فعال میکنند، از روش یا پراکندگی دینامیک استفاده میکند. در این رویکرد، صرفاً آن هستهها فعال میشوند که برای یک وظیفه خاص لازم هستند؛ باقیمانده در حالت استراحت یا غیرفعال قرار میگیرند. این فناوری دو برتری کلی نسبت به سامانههایGPU کارآمدść ۱۸ برابر بالاتر نسبت به پردازشگرهای گرافیکی امروز؛ کل né فقط ۲۵ کیلووات برق برای عملکرد کامل.
اکندهٔ آن، بهسرعت پردازش میکند. دانشگاه لایپزیگ قصد دارد از این ابرکامپیوتر برای élé édés mé ée و מולکولهای دارویی استفاده کند.
یافتنطباق بین ów é و géné نیازمند اجرای موازی میلیونهای مدل کوچک است؛ دقیقاً کاری که به دلیل معماری موازی و پراکندهٔ خود، به�. کریستین مایر، بنیانگذار مشترک، بیان کرد یک نمونه اولیه از شبکه عصبی موجود در این سیستم میتواند ۲۰ میلیارد مولکول را در کمتر از یک ساعت غربال سازد؛ این سرعت برابر با ۱۰۰ برابر یک خوشه با ۱۰۰۰ هسته CPU است. هکتور گونزالس، رئیس، با تأکید بر أهمیه é، گفت این è à è œ é یا بسیار چالشانگیز.
شرکت درحال حاضر É دارد و در طریق تبدیل شدن به è î الجیل التالی است. >> در ادامه بررسی ویژگیهای این ابرکامپیوتر نوین، باید به نکات فنی و کاربردهای عملی آن پرداخت. یکی از مهمترین ویژگیهای این سیستم، قابلیت مقیاسپذیری بالا است؛ به این معنا که میتوان تعداد هستهها را به سادگی افزایش داد و عملکرد آن را بهبود بخشید، بدون اینکه نیاز به تغییرات اساسی در معماری داشته باشد.
رکامپیوتر، نه تنها هزینههای عملیاتی را کاهش میدهد، بلکه اثرات محیط زیستی آن را نیز به حداقل میرساند.
در حالی که ابرکامپیوترهای سنتی مصرف انرژیشان معادل مصرف برق یک شهر کوچک میشود، این سیستم با ۲۵ کیلووات مصرف، معادل مصرف چند خانه سکنتی است؛ این موضوع در زمانهای حاضر که به دنبال حلول سبز و پایداری هستیم، ارزش دارد. از نظر نرمافزاری نیز، ابزارها و کتابخانههای مخصوصی برای برنامهنویسی روی معماری نورومورفیک فراهم کرده است.
این ابزارها به پژوهشگران اجازه میدهند تا الگوریتمهای خود را بهینهسازی کرده و از تمام پتانسیل این سختافزار استفاده کنند. به عنوان مثال، کتابخانههای و API امکان شبیهسازی شبکههای عصبی سبکی و پیچیده را میدهند که قبلاً روی GPUها یا CPUها غیرممکن یا بسیار زمانبر بود.
به عنوان مثال، با تحلیل دادههای ژنتیکی و کلینیک هزاران بیمار، میتوان الگوهایی را یافت که نشاندهنده خطر ابتلا به بیماریهای خاص مثل سرطان یا است؛ این کار قبلاً به دلیل حجم داده و پیچیدگی محاسباتی، زمانبر یا غیرممکن بود. همچنین، این سیستم میتواند در تحقیقات علوم اعصاب بهعنوان ابزاری برای شبیهسازی عملکرد مغز واقعی به کار رود.
با شبیهسازی دقیق اتصالات عصبی و الگوهای פעילות، دانشمندان میتوانند بهتر درک کنند که چگونه حافظه شکل میگیرد، چگونه تصمیمگیریها انجام میشود و چگونه اختلالات عصبی مانند یا ابتلا به صرع رخ میدهد. این نوع شبیهسازیها قبلاً فقط در سطوح ساده یا با فرضیات محدود امکانپذیر بود، اما با، میتوان به شبیهسازیهای تر و مقیاسپذیر دست یافت. در سطح بینالمللی نیز، این فناوری توجه بسیاری از ón y ón را به خود جلب کرده است.
مؤسسات، (CSCS) و حتی برخی در ایالات متحده، مذاکراتی برای خرید یا همکاری در پروژههای مشترک دارند. هدف این همکاریها، ایجاد یک شبکه جهانی از ابرکامپیوترهای نورومورفیک است که بتوانند دادهها و مدلها را بهصورت توزیعشده پردازش کنند و تسریع در اکتشافات علمی را فراهم کنند. در پایان، باید گفت که نه تنها یک گام فناوری است، بلکه یک تغییر در محاسباتی است.
با الهام از طبیعت و استفاده از اصول کارایی مغز انسان، این سیستم نشان میدهد که چگونه میتوان به جای افزایش خامهای تعداد ترانزیستورها، به روشهای هوشمندتر و کارآمدتر روی آورد. برای ایران و سایر کشورهای در حال توسعه، سرمایهگذاری در چنین فناوریها میتواند یک گام استراتژیک برای ورود به رقابت جهانی در زمینه هوش مصنوعی و محاسبات پیشرفته باشد؛ به شرطی که همراه با آموزش متخصصان و ایجاد بستر نوآوری، بهطور جدی دنبال شود.
در ادامه بررسی ویژگیهای این ابرکامپیوتر نوین، باید به نکات فنی و کاربردهای عملی آن پرداخت. یکی از مهمترین ویژگیهای این سیستم، قابلیت مقیاسپذیری بالا است؛ به این معنا که میتوان تعداد هستهها را به سادگی افزایش داد و عملکرد آن را بهبود بخشید، بدون اینکه نیاز به تغییرات اساسی در معماری داشته باشد.
این ویژگی برای پژوهشگران بسیار مهم است، زیرا با پیشرفت فناوری و افزایش پیچیدگی مدلهای هوش مصنوعی، نیاز به منابع محاسباتی بیشتری احساس میشود. علاوه بر این، مصرف انرژی بسیار پایین این ابرکامپیوتر، نه تنها هزینههای عملیاتی را کاهش میدهد، بلکه اثرات محیط زیستی آن را نیز به حداقل میرساند.
در حالی که ابرکامپیوترهای سنتی مصرف انرژیشان معادل مصرف برق یک شهر کوچک میشود، این سیستم با ۲۵ کیلووات مصرف، معادل مصرف چند خانه سکنتی است؛ این موضوع در زمانهای حاضر که به دنبال حلول سبز و پایداری هستیم، ارزش دارد. از نظر نرمافزاری نیز، ابزارها و کتابخانههای مخصوصی برای برنامهنویسی روی نورومورفیک فراهم کرده است.
این ابزارها به پژوهشگران اجازه میدهند تا الگوریتمهای خود را بهینهسازی کرده و از تمام پتانسیل این سختافزار استفاده کنند. به عنوان مثال، کتابخانههای و API امکان شبیهسازی شبکههای عصبی سبکی و پیچیده را میدهند که قبلاً روی GPUها یا CPUها غیرممکن یا بسیار زمانبر بود.
در زمینه کاربردهای پزشکی،، این ابرکامپیوتر میتواند در دیگری مانند تشخیص زودهنگام بیماریها، تحلیل تصاویر پزشکی (مانند MRI و اسکن CT) و پیشبینی واکنش بدن به داروها نیز استفاده شود. به عنوان مثال، با تحلیل دادههای ژنتیکی و کلینیک هزاران بیمار، میتوان الگوهایی را یافت که نشاندهنده خطر ابتلا به بیماریهای خاص مثل سرطان یا است؛ این کار قبلاً به دلیل حجم داده و پیچیدگی محاسباتی، زمانبر یا غیرممکن بود.
همچنین، این سیستم میتواند در تحقیقات علوم اعصاب بهعنوان ابزاری برای شبیهسازی عملکرد مغز واقعی به کار رود. با شبیهسازی دقیق اتصالات عصبی و الگوهای פעילות، دانشمندان میتوانند بهتر درک کنند که چگونه حافظه شکل میگیرد، چگونه تصمیمگیریها انجام میشود و چگونه اختلالات عصبی مانند یا ابتلا به صرع رخ میدهد.
این نوع شبیهسازیها قبلاً فقط در سطوح ساده یا با فرضیات محدود امکانپذیر بود، اما با، میتوان به شبیهسازیهای تر و مقیاسپذیر دست یافت. در سطح بینالمللی نیز، این فناوری توجه بسیاری از ón y ón را به خود جلب کرده است. مؤسسات، (CSCS) و حتی برخی در ایالات متحده، مذاکراتی برای خرید یا همکاری در پروژههای مشترک دارند.
هدف این همکاریها، ایجاد یک شبکه جهانی از ابرکامپیوترهای نورومورفیک است که بتوانند دادهها و مدلها را بهصورت توزیعشده پردازش کنند و تسریع در اکتشافات علمی را فراهم کنند. در پایان، باید گفت که ظهور نه تنها یک گام فناوری است، بلکه یک تغییر در محاسباتی است.
با الهام از طبیعت و استفاده از اصول کارایی مغز انسان، این سیستم نشان میدهد که چگونه میتوان به جای افزایش خامهای تعداد ترانزیستورها، به روشهای هوشمندتر و کارآمدتر روی آورد. برای ایران و سایر کشورهای در حال توسعه، سرمایهگذاری در چنین فناوریها میتواند یک گام استراتژیک برای ورود به رقابت جهانی در زمینه هوش مصنوعی و محاسبات پیشرفته باشد؛ به شرطی که همراه با آموزش متخصصان و ایجاد بستر نوآوری، بهطور جدی دنبال شود.