محققان ادعا می‌کنند استفاده از عسل در تولید تراشه‌های کامپیوتری، علاوه‌بر سازگاری بیشتر با محیط‌زیست می‌تواند به پایداری و سرعت انجام محاسبات کمک کند.
دانشمندان در دانشگاه ایالتی واشنگتن (WSU) معتقدند که استفاده از عسل در تولید تراشه‌های کامپیوتری نورومورفیک می‌تواند محاسبات پایدارتر و سریع‌تری را به‌ارمغان آورد و درعین‌حال، به تجزیه و انحلال این تراشه‌ها به‌دست باکتریها در طبیعت کمک کند. آن‌ها ادعا می‌کنند تراشه‌هایی که با استفاده از عسل تولید می‌شوند، می‌توانند به‌اندازه‌ای قدرتمند باشند که عملکرد مغز انسان را تقلید کنند.
تراشه‌های نورومورفیک تراشه‌هایی هستند که با شبیه‌سازی نحوه‌ی عملکرد نورون‌های مغز و مدارهای عصبی پردازش می‌کنند و کامپیوترهای متکی بر این پردازش‌ها سرعت و بازدهی بسیار بیشتری از اَبَرکامپیوترهای امروزی برای هوش مصنوعی فراهم می‌کنند.
با وجود پیشرفت‌های درخورتوجه کامپیوترهای امروزی، مغز انسان همچنان بسیار چشمگیرتر عمل می‌کند و هرچه می‌بیند، پردازش و تجزیه‌و‌تحلیل و هدف‌گذاری می‌کند؛ به‌گونه‌ای که کامپیوترها هنوز از انجام آن نا‌توان هستند. دلیل اینکه برخی محاسبات نورومورفیک را آینده‌ی فناوری معرفی می‌کنند، همین امر است. درواقع، با اینکه کامپیوترها می‌توانند حجم عظیمی داده را سریع‌تر از مغز انسان پردازش کنند، مغز انسان هنوزهم در برخورد خلاقانه‌تر با مشکلات بر کامپیوترها برتری دارد.
ممریستور می‌تواند مشابه مغز انسان داده‌ها را پردازش و در حافظه ذخیره کند
محاسبات نورومورفیک قرار است به‌عنوان پلی بین مغز انسان و فناوری عمل کند و با فعال‌کردن سیستم‌های مستقل، فرایند درک انسان را شبیه‌سازی کنند. این سیستم‌ها حتی از بهترین کامپیوترهای موجود نیز سریع‌تر و کم‌مصرف‌تر هستند و حالا طبق ادعای دانشمندان، به‌نظر می‌رسد که عسل می‌تواند باعث شود این دستگاه‌های آینده‌نگر بسیار پایدارتر عمل کنند.
مهندسان دانشگاه ایالتی واشنگتن (WSU) موفق شدند ممریستوری کارآمد از عسل تولید کنند. ممریستور قطعه‌ای شبیه به ترانزیستور است و می‌تواند مانند مغز داده‌ها را علاوه‌بر پردازش، در حافظه ذخیره کند.
ممریستور (Memristor) یا حافظه‌ی مقاومتی از دو کلمه memory (حافظه) و resistor (مقاومت) ساخته شده است که می‌تواند شرایط الکتریکی قبل خود را حفظ کند و حافظه‌ی موقتی را حتی پس از قطع جریان برق به‌یاد آورد.
از‌نظر علمی، می‌توان در مغز انسان ممریستور ایجاد کرد؛ چراکه تمام اجزای بیوالکترونیک برای ساخت آن در بافت مغز وجود دارد. ممریستورها بی‌نهایت کوچک (به‌اندازه‌ی عرض تار مو) هستند؛ اما برای استفاده در تراشه‌ها باید بازهم کوچک‌تر شوند و به یک‌هزارم اندازه‌ی کنونی برسند.
درواقع، دانشمندان تلاش می‌کنند تا ممریستورهایی در مقیاس نانو تولید کنند؛ زیرا برای ساخت سیستم محاسباتی نورومورفیک کامل و کارآمد و کارا، به حداقل میلیون‌ها ممریستور نیاز دارند. مغز انسان بیش از ۱۰۰ میلیارد نورون یا بیش از ۱,۰۰۰ تریلیون سیناپس دارد. سیناپس‌ها ساختار‌های زیستی در بدن انسان هستند که در دستگاه عصبی مرکزی انسان، وظیفه‌ی انتقال پیام‌ها را برعهده دارند.
فنگ ژائو، دانشیار دانشکده‌ی مهندسی و علوم کامپیوتر دانشگاه ایالتی واشنگتن و براندون سوئوکا، یکی از فارغ‌التحصیلان دانشگاه مذکور، این مطالعه را انجام دادند. ژائو با مقایسه‌ی ممریستور ساخته‌شده از عسل با نورون انسانی اعلام کرد که ممریستور تولیدشده با وجود ابعاد بسیار کوچک، عملکرد بسیار مشابهی با عصب‌های انسانی دارد.
دانشمندان برای رسیدن به اثر مطلوب از عسل واقعی استفاده کردند. آنان برای شبیه‌سازی سیناپس انسانی، ابتدا عسل را به حالت جامد درآوردند و سپس آن را بین دو الکترود فلزی قرار دادند. ممریستور تولیدشده توانست با سرعت روشن‌و‌خاموش‌شدنی مشابه مغز انسان (بین ۱۰۰ تا ۵۰۰ نانوثانیه)، با موفقیت عملکرد سیناپس‌های انسانی را تقلید کند.
به‌نظر می‌رسد که ممریستورهای ساخته‌شده با عسل می‌توانند در محاسبات نورومورفیک، عملکرد امیدوارکننده‌ای ارائه دهند و هم‌زمان نیز در‌مقایسه‌با سایر ممریستورهای تولید‌شده‌ی قبلی (ساخته‌شده با پروتئین یا قند)، کمترین آسیب را به محیط‌زیست وارد کنند.
ژائو درباره‌ی سازگاری ممریستورهای تولیدشده با عسل این‌گونه توضیح داد:
عسل فاسد نمی‌شود و غلظت رطوبت بسیار کمی دارد؛ بنابراین، باکتریها نمی‌توانند در آن زنده بمانند و درنتیجه، تراشه‌های کامپیوتری برای مدتی طولانی، پایدار و مقاوم خواهند بود. این تراشه‌ها به‌راحتی در آب حل می‌شوند؛ به‌همین‌دلیل، برای ایجاد سیستم‌های نورومورفیک تجدیدپذیر و سازگار با محیط‌زیست بسیار مفید هستند.
محققان تا اجرایی‌کردن استفاده از عسل در صنعت تراشه‌سازی، هنوز راه درازی در پیش دارند؛ اما با‌‌‌توجه‌‌‌به اینکه اولین گام‌های بنیادی این فرایند برداشته شده است، می‌توان به آینده‌ی آن امیدوار و خوش‌بین بود.
