حل یک میلیون بار سریع تر یک مساله پیچیده ریاضی

یک پیشرفت کامپیوتری به حل یک مساله پیچیده ریاضی با سرعت یک میلیون بار بیشتر کمک می نماید و می تواند پیشبینی های آب و هوایی را دقیق تر کند.
به گزارش عاشق وب به نقل از ایسنا و به نقل از آی ای، یک الگوریتم یادگیری ماشین که عملکرد مغز انسان را تقلید می کند معروف به ” رایانش مخزنی”(Reservoir computing)، انقلابی در چگونگی مقابله دانشمندان با پیچیده ترین چالش های پردازش داده بوجود آورده است و الان محققان تکنیک جدیدی را کشف کرده اند که می تواند آنرا در کارهای خاص، در حالیکه از منابع محاسباتی بسیار کمتری با ورودی داده های کمتر استفاده می نماید، تا یک میلیون بار سریع تر کند.
محققان با این تکنیک نسل جدید توانستند یک مساله محاسباتی پیچیده را در کمتر از یک ثانیه با یک کامپیوتر خانگی حل کنند. این مسائلِ بیش از اندازه پیچیده مانند پیشبینی آب و هوا که همواره در طول زمان تغییر می کنند، دلیل پیدایش و توسعه “رایانش مخزنی” در اوایل دهه ۲۰۰۰ است.
پیشبینی این سیستم ها بسیار دشوار است که “اثر پروانه ای” یک نمونه مشهور از آنها است. این مفهوم که با کار “ادوارد لورنز” ریاضیدان و هواشناس در ارتباط می باشد، اساساً توضیح می دهد که چگونه یک پروانه با تکان دادن بال هایش می تواند هفته ها بعد بر آب و هوا تاثیر بگذارد.
“رایانش مخزنی” برای یادگیری چنین سیستم های پویایی مناسب می باشد و می تواند پیشبینی های دقیقی از نحوه رفتار آنها در آینده عرضه نماید. با این وجود، هرچه یک سیستم بزرگ تر و پیچیده تر باشد، منابع محاسباتی بیشتر و شبکه ای از نورون های مصنوعی و زمان بیشتری برای به دست آوردن پیشبینی های دقیق مورد نیاز است.
با این وجود، محققان فقط نحوه کار “رایانش مخزنی” را می دانند، نه آنچه درون آن می گذرد. شبکه های عصبی مصنوعی در رایانش مخزنی بر پایه ریاضیات ساخته شده اند و به نظر می آید که تمام کاری که این سیستم برای کارآمدتر شدن نیاز داشته، ساده سازی آن بوده است. چون که تعدادی از پژوهشگران به سرپرستی “دنیل گوتیه” استاد فیزیک دانشگاه ایالتی اوهایو توانستند این کار را انجام دهند و به صورت قابل ملاحظه ای احتیاج به منابع محاسباتی را کاهش داده و در زمان به میزان قابل توجهی صرفه جویی کنند.
طبق مطالعه انتشار یافته در مجله Nature Communications، هنگامی که این مفهوم در یک کار برای پیشبینی مورد آزمایش قرار گرفت، مشخص شد که این تکنیک رایانش مخزنی نسل جدید به وضوح از دیگر تکنیک ها برتر است.
این روش جدید، یک میلیون برابر سریع تر عمل کرد. این افزایش سرعت با این حقیقت امکان پذیر شد که نسل جدید رایانش مخزنی نسبت به نسل های قبلی احتیاج به تعلل و آموزش کمتری دارد.
“گوتیه” توضیح داد: برای این نسل جدید رایانش مخزنی، تقریباً هیچ زمانی برای گرم شدن و آمادگی سیستم لازم نیست. تابحال دانشمندان باید ۱۰۰۰ یا ۱۰ هزار نقطه داده یا بیشتر را برای آمادگی آن قرار می دادند، در حالیکه حالا ورود تنها یک یا دو یا سه نقطه داده کافی است.
علاوه بر این، این تکنیک جدید توانست با ۲۸ نورون به دقت کافی برسد، در حالیکه سیستم های کنونی به ۴۰۰۰ نورون نیاز دارند.
“گوتیه” عنوان کرد: چیزی که هیجان انگیز است این است که نسل جدید رایانش مخزنی، آنچه را که قبلاً هم خیلی خوب بود، به صورت قابل توجهی کارآمدتر می کند.
به نظر می آید که این تازه آغاز ماجرا است. محققان قصد دارند شبکه عصبی فوق کارآمدتری را در آینده در مقابل کارهای دشوارتر آزمایش نمایند و این را حتی در مسائل پیچیده کامپیوتری مانند پیشبینی دینامیک سیالات گسترش دهند.

منبع: عاشق وب