محققان در پژوهشی جدید به سراغ «محاسبات مخزنی فوتونیک» (Photonic Reservoir Computing) رفتهاند تا با استفاده از سرعت بالای نور، فرآیند پیشبینی سریهای زمانی را متحول کنند.
نکته جالب این تحقیق اینجاست که آنها با الهام از ساختارهای عصبی مغز انسان و توپولوژیهای شبکه پیچیده (مثل شبکههای دنیای کوچک یا Small-world)، متوجه شدند که چیدمان اتصالات داخلی میتواند عملکرد هوش مصنوعی را به شدت بهبود ببخشد. این یعنی با بهینهسازی معماری سختافزاری، میتوان به قدرت پیشبینی بسیار دقیقتر و حافظه عملیاتی بالاتری دست یافت.
این دستاورد گامی بزرگ برای ساخت سختافزارهای پردازشی سریعتر و بهینهتر در آینده است که میتواند جایگزینهای قدرتمندی برای سیستمهای مبتنی بر الکترونیک سنتی باشد. 🚀
منبع: arXiv Machine Learning