دستاورد برگزیده جایزه مصطفی(ص) در استفاده از شبکه عصبی_تصادفی برای جستجوگرهای آینده

دستاورد برگزیده جایزه مصطفی(ص) در استفاده از شبکه عصبی_تصادفی برای جستجوگرهای آینده

پروفسور سامی ارول گلنبه؛ دانشمند برگزیده جایزه مصطفی(ص) 2017 در مصاحبه ای با موسسه ماشین های کامپیوتری ACM به تشریح مدل G-network خود و چگونگی کارایی این مدل در رفع چالش های سیستم های کامپیوتری پرداخت.

به گزارش ستاد ارتباطات و اطلاع ­رسانی بنیاد مصطفی، پروفسور سامی ­­ارول گلنبه؛ عضو آکادمی علوم ترکیه (Bilim Academy) و عضو هیات علمی کالج سلطنتی لندن، در مصاحبه­ ای با موسسه ACM به توضیح درباره دستاورد­ها و زمینه ­های پژوهشی که اخیرا در آن­ ها فعالیت داشته، پرداخت.

 

موفقیت او در زمینه طراحی شبکه‌های جی در سیستم­ های کنترل کامپیوتر، باعث برطرف­ شدن مشکل کمبود سیستم­ های کنترل حالت محور در شبکه‌های صف و راه حل موثر آن در قالب محصول که بین دهه ­های 60 و 80 میلادی ارائه شده بود، است.

 

به گفته پروفسور گلنبه، او با به کارگیری طرح‌های کنترل مانند تخصیص دوباره پویا ترافیک، مسیریابی ترافیک و کنترل پذیرش، موفق به دستیابی به چندین راه­ حل مجزا در قالب محصول برای این مدل ­ها شده که امکان مدل ­سازی و تحلیل سیستم ­های تصادفی بزرگ را به او می ­دهد.

 

با این همه، مهمترین ویژگی شبکه‌های جی می­ تواند مشکلاتی مثل بهبود کیفیت همزمان سرویس‌دهی و مصرف انرژی در سیستم­ های کامپیوتری توزیع شده و شبکه‌های معروف به "شبکه های بسته­ انرژی" را رفع کند. 

 

او در مصاحبه ­اش عنوان کرد: تمرکز اصلی من در تحقیقات بر روی دو معضل اصلی سیستم­ های کامپیوتری جهانی یعنی امنیت سایبری و مصرف انرژی منعطف شده است.

 

 وی در رابطه با امنیت سیستم ­ها و شبکه اظهار داشت:  بهبود این چالش­ ها مانند طراحی عملکرد کامپیوتر است.

 

گلنبه همچنین در خصوص موضوع مصرف انرژی سیستم ­ها، آن را مسئله‌ای بسیار مهم ارزیابی کرد و افزود: در حال حاضر میزان مصرف انرژی کامپیوترها و اینترنت برابر با مجموع مصرف برق کل آلمان و ژاپن است و تاثیر منفی صنعت فناوری­ اطلاعات در تولید دی ­اکسیدکربن از صنعت هوایی بیشتر در نظر گرفته می ­شود. بنابراین اینگونه انتظار می­رود که شیوه ­های نوین در جهت رفع معضلات مصرف انرژی و کیفیت سرویس­ دهی، کارآمد باشند.

 

امروزه شبکه­ های پول مجازی، هر روزه کاربران بیشتری را از نقاط مختلف دنیا جذب می­ کنند و به علت ماهیت بی‌نام و نشان بودن شرکت­ های­ مادر، این شبکه ­ها به آمار بسیار مفصلی از ایجاد (تراکنش‌های تاییدشده) و میزان استفاده هر کدام از واحدهای پولی خود نیازمند هستند، که این فرآیند انرژی عظیمی را مصرف می ­کند.

 

گلنبه با اشاره به معضلات مصرف انرژی مثل Bitcoin ها در شبکه ­های پول مجازی، عنوان کرد: بر اساس گزارش‌ها،  انجام تراکنش ­ها با استفاده از Bitcoin ها به اندازه مصرف برق کشور کوچکی مثل دانمارک، انرژی مصرف می­ کند. اگر استفاده از این پول ­ها رایج شود، میزان مصرف انرژی این فناوری ­های فعلی فوق­ العاده زیاد خواهد شد. لذا یکی از مهمترین معضلات فنی بازارهای پول ارزی، به توانایی آن‌ها در اداره تراکنش­ های خود به شیوه­ای قابل ارتقا و مقرون ­به ­صرفه در مصرف انرژی بستگی دارد. این مسئله یکی از چالش ­های جدیدی است که محققان علوم کامپیوتری و ارزیابی عملکرد سیستم در حال کار کردن بر روی آن هستند.

 

وی با اشاره به جدیدترین تحقیقات خود یادآور شد: بر روی شبکه‌های عصبی­_تصادفی(RNN) با هدف شبیه‌سازی بهتر رفتارهای تصادفی و جهشی سیستم‌های عصبی­_طبیعی و همچنین به دست آوردن شناخت صحیح‌تری از مراحل محاسبه و کاهش زمان لازم برای یادگیری عمقی سیستم، تحقیقات خود را انجام می‌دهم. از این تکنیک‌ها در جستجوگر­ها نیز استفاده می­شود و به کاربران کمک می‌کند تا به جای دیدن تبلیغات و اطلاعات مورد علاقه موتورهای جستجو، دقیقا به اطلاعاتی که جستجو کرده ­اند دسترسی پیدا کنند.