مدیریت شبکه های قدرت در آینده بسیار بیشتر از امروز با قدرت مغز پیوند خواهد خورد اگر محققین دانشگاه میسوری در پروژه ی جدیدی که مربوط به بهره برداری از سلول های مغزی رشدیافته روی شبکه هایی از الکترودها می باشد، موفق شوند.
این محققین به رهبری دکتر گانش کومار ونایاگامورسی، استاد مهندسی برق و کامپیوتر، از شبکه های عصبی زنده ی موش های آزمایشگاهی که از هزاران سلول مغزی تشکیل شده اند برای کنترل شبکه های قدرت شبیه سازی شده در آزمایشگاه استفاده خواهند کرد. با استفاده از این مطالعات، محققین امیدوارند یک برنامه ی رایانه ای "الهام گرفته از زیست شناسی" ایجاد نمایند تا با استفاده اغز آن شبکه های قدرت پیچیده ی مکزیک، برزیل، نیجریه و جاهای دیگر را مدیریت و کنترل کنند.
ونایاگامورسی در این باره گفت: "ما می خواهیم یک ساختار کاملا جدید را به نسبت آن چه امروز موجود است توسعه دهیم. کنترل سیستم های قدرت بسیار پیچیده است و مغز یک شبکه ی بسیار قابل انعطاف و مناسب می باشد. مغز واقعا در مدیریت مسائل نامعلوم و تردیدبرانگیز خوب عمل می کند."
این استاد دانشگاه امیدوار است که بتوانند سیستمی با الهام از مغز و البته نه کاملا مانند آن توسعه دهند چرا که هیچ کسی واقعا به طور کامل نمی داند مغز چگونه کار می کند.
گروه میسوری با محققین آزمایشگاه فن آوری مهندسی عصبی جئورجیا، که شبکه های عصبی زنده در آن جا توسعه داده شده و قرار گرفته اند، همکاری خواهند کرد. یک ارتباط با پهنای باند بالای اینترنت 2، آن سلول های مغزی را طی مسافت 600 مایل به آزمایشگاه Real-Time Power and Intelligent Systems ونایاگامورسی متصل خواهد کرد. محققین میسوری سیگنال ها را از آن آزمایشگاه به سلول های مغزی منتقل خواهند کرد و به آن ها آموزش خواهند داد که سیگنال های ولتاژ و دیگر اطلاعات را از شبی ساز بلادرنگ میسوری تشخیص دهند.
آزمایشگاه ونایاگامورسی قادر به شبیه سازی شبکه ی قدرتی به اندازه ی شبکه ی نیجریه و یا بخشی از شبکه ی ترکیبی نیوانگلند و نیویورک در امریکا می باشد.
به گفته ی ونایاگامورسی، شبکه های عصبی مصنوعی (ANN) معمولی سال هاست که موجود می باشد و پس از مدل سازی از روی مغز، جهت تشخیص الگوها و یادگیری در طول زمان طراحی گشتند. اما این شبکه ها با سیستم های پیچیده خوب کار نمی کنند.
او گفت: "همین طور که انرژی الکتریکی و سیستم های انرژی بزرگ تر و بزرگ تر می شوند، مسائل دینامیک نیز پیچیده تر می گردند و شبکه های عصبی نیز باید با آن ها هم مقیاس شوند. اما همین طور که هم مقیاس می شوند، شکننده می گردند. این امر برای شبکه های عصبی جهت یادگیری و تغییر بلادرنگ بسیار سخت می شود. آن ها می توانند به صورت آنلاین یاد بگیرند اما یادگیری بسیار کند و گاهی تصمیم گیری با دید کمی انجام می گیرد. برای مثال اگر یکی از خطوط انتقال طی یک طوفان شدید خارج شود، ANN های معمولی نمی توانند به سرعت واکنش داده و مشکل را مکان یابی کرده و سیستم را به سورت آنلاین برگردانند.
به گزارش پایگاه اطلاع رسانی صبا ، گروه علم و فن آوری میسوری در همکاری با محققین موسسه ی فن آوری جئورجیا قصد دارند از قدرت مغز جهت توسعه ی روش جدیدی برای ردیابی و مدیریت تولید و تقاضای برق - که سطوح آن به طور پیوسته تغییر می کند- استفاده کنند.
No comments:
Post a Comment