توسط : 
محققان ژاپنی دستگاهی مبتنی بر گرافن و ژل یونی توسعه دادهاند که محاسبات یادگیری ماشین را تا ۱۰۰ برابر کممصرفتر میکند. این ابزار که به «رایانش رزرویر فیزیکی» شهرت دارد، با الهام از ساختار مغز عمل کرده و زمان و انرژی پردازشی را بهشدت کاهش میدهد.
با افزایش کاربرد فناوریهای یادگیری ماشین، مصرف انرژی این سیستمها نیز بهطور قابل توجهی بالا رفته و نیاز به دستگاههای هوش مصنوعی با مصرف انرژی پایین و عملکرد محاسباتی بالا بیش از پیش احساس میشود. در این زمینه، دستگاههای موسوم به «رزرویرهای فیزیکی» (Physical Reservoirs) بهدلیل پردازش اطلاعات الهامگرفته از مغز و توانایی انجام محاسبات کممصرف مورد توجه قرار گرفتهاند. با این حال، تاکنون عملکرد محاسباتی پایینتر نسبت به پردازش نرمافزاری یک محدودیت جدی بوده است.
محققان موفق به توسعه یک دستگاه مبتنی بر ترانزیستور لایه دوگانه الکتریکی با ژل یونی و گرافن شدهاند که «رزرویر دروازه یونی» (IGR) نامیده میشود. این دستگاه عملکرد محاسباتی بسیار بالایی ارائه میدهد که با یادگیری عمیق نرمافزاری قابل مقایسه است، در حالی که بار محاسباتی را به حدود یکصدم کاهش میدهد.
کلید موفقیت این سیستم در ترکیب گرافن با تحرک الکترونی بالا و رفتار امبیپلار (ambipolar) و ژل یونی نهفته است. تعامل پیچیده بین یونها و الکترونها موجب میشود دستگاه بتواند به سیگنالهای ورودی با ثوابت زمانی گسترده پاسخ دهد و انواع پاسخها با سرعتهای مختلف ایجاد کند که انعطاف و دقت بالای محاسباتی را به همراه دارد.
به گفته محققان، این دستگاه بالاترین سطح عملکرد را در میان رزرویرهای فیزیکی مرسوم ارائه کرده و توانسته مصرف انرژی و بار پردازشی را بهشدت کاهش دهد. علاوه بر این، طراحی مبتنی بر گرافن و ژل یونی به آن اجازه میدهد بهراحتی با الکترونیک انعطافپذیر و دستگاههای لبهای نسل آینده سازگار شود و به گزینهای مناسب برای کاربردهای پیشرفته هوش مصنوعی تبدیل شود.
این نوآوری میتواند تحولی در ساخت تراشههای کممصرف هوش مصنوعی، پردازش دادههای لبهای و اینترنت اشیاء مبتنی بر یادگیری ماشین ایجاد کند و نشان دهد که ترکیب مواد پیشرفته مانند گرافن با طراحی الهامگرفته از مغز، میتواند اثربخشی و پایداری انرژی سیستمهای هوشمند را به شدت افزایش دهد.
