นาโนคอมพิวเตอร์

บทคัดย่อ:

นาโนเทคโนโลยีในธรรมชาติมีอยู่มากมายหลายศาสตร์ เช่น การเรียงตัวของโมเลกุลอย่างเป็นระเบียบของแคลเซียมคาร์บอเนตทำให้เกิดเป็นเปลือกหอย เป็นไข่มุก ซึ่งอาจกล่าวได้ว่า หอยมีกรรมวิธีที่เรียกว่านาโนวิศวกรรม (nanoengineering) ตามธรรมชาติหรือการจัดเรียงอะตอมของคาร์บอนอย่างเป็นระเบียบที่ต่างกันทำให้เกิดเป็นถ่าน กราไฟต์และเพชร

ความก้าวหน้าทางนาโนเทคโนโลยีทำให้เกิดแนวโน้มการพัฒนาคอมพิวเตอร์ เพื่อเป็นหน่วยควบคุมหรือหน่วยประมวลผลซึ่งเป็นส่วนสมองของจักรกลนาโน หรือที่เรียกว่านาโนคอมพิวเตอร์ขึ้น (nanocomputer) นาโนมคอมพิวเตอร์ต่างจากคอมพิวเตอร์ธรรมดาที่เราเข้าใจ เช่น คอมพิวเตอร์ตั้งโต๊ะที่ทำงานโดยการปฏิสัมพันธ์กับประสาทสัมผัสของมนุษย์โดยตรง เช่น มีส่วนรับข้อมูลเข้า คือ คีย์บอร์ด มีส่วนแสดงผล คือ มอนิเตอร์ แต่นาโนคอมพิวเตอร์จะมีการรับข้อมูลเข้าทางเซนเซอร์ มีการแสดงผลออกเป็นสัญญาณหรือการทำงานกับจักรกลนาโน ทั้งนี้นาโนคอมพิวเตอร์จะมีปฏิสัมพันธ์โดยตรงกับอุปกรณ์ที่ทำงานมากกว่ากับมนุษย์

แนวทางการพัฒนานาโนคอมพิวเตอร์สามารถแบ่งออกเป็น 4 ประเภทคือ
1. นาโนคอมพิวเตอร์อิเล็กทรอนิกส์ (electronic nanocomputer)
2. นาโนคอมพิวเตอร์เชิงเคมี (chemical nanocomputer)
3. นาโนคอมพิวเตอร์เชิงกล (mechanical nanocomputer)
4. ควอนตัมนาโนคอมพิวเตอร์ (quantum nanocomputer)
การวิจัยและพัฒนาทางด้านนาโนเทคโนโลยียังคงดำเนินต่อไป นาโนเทคโนโลยีนับว่าเป็นเทคโนโลยีที่มีบทบาทมากในปัจจุบัน โดยเป็นวิทยาศาสตร์พื้นฐานที่มีอิทธิพลในทุกสาขา และจะเป็นเทคโนโลยีหลักที่จาดไม่ได้ในศตวรรษที่ 21

ธนาวุฒิ ประกอบผล. (2548). นาโนคอมพิวเตอร์. วารสาร มฉก.วิชาการ 8 (16), 60-65.

อ่านบทความฉบับเต็ม

ควอนตัมคอมพิวเตอร์

บทคัดย่อ:

จากหลักแห่งความไม่แน่นอนของเวิร์นเนอร์ ไฮเซนเบิร์ก (Werner Heisenberg) และอัลกอริทึมของปีเตอร์ ชอร์ (Peter Shor) ได้นำมาสู่การสร้างควอนตัมคอมพิวเตอร์ที่มีตัวคิวบิต (qubit) หรือควอนตัมบิตเป็นหน่วยแสดผลข้อมูลได้สามสถานะ คือ “0” หรือ “1” หรือ “0,1” ได้พร้อมกันในคราวเดียว โดยที่สถานะการแสดงผลแบบ “0.1” นี้เรียกในทางฟิสิกส์ว่า “superposition state” ขณะที่คอมพิวเตอร์ทั่่วไปแสดงผลข้อมูลเป็นบิต (bit) ได้เพียงสองสถานะคือ “0” หรือ “1” ส่งผลให้ควอนตัมคอมพิวเตอร์มีศักยภาพในการประมวลผลสูงกว่าคอมพิวเตอร์ทั่วไปหรือซูเปอร์คอมพิวเตอร์ อันมีประโยชน์ในการคำนวณโจทย์คณิตศาสตร์ที่ซับซ้อนและการเข้ารหัสลับ (encryption) เป็นต้น หัวใจสำคัญอีกอย่างหนึ่งของควอนตัมคอมพิวเตอร์ คือ gate operation และ ion traps ซึ่งเหมือนกับการกระทำพื้นฐานทางตรรกศาสตร์ในการสร้างเกทรูปแบบต่างๆ เช่น AND gate OR gate และ XOR gate เป็นต้น พัฒนาการของควอนตัมคอมพิวเตอร์เป็นเรื่องที่น่าสนใจและยังคงดำเนินไปอย่างต่อเนื่อง

ธนาวุฒิ ประกอบผล. (2548). ควอนตัมคอมพิวเตอร์. วารสาร มฉก.วิชาการ 9 (17), 46-53.

อ่านบทความฉบับเต็ม

โครงข่ายประสาทเทียม

Artificial Neural Networks

บทคัดย่อ:

โครงข่ายประสาทเทียม (Neural network) เป็นศาสตร์แขนงหนึ่งทางด้านปัญญาประดิษฐ์ (Artificial Intelligence : AI) ที่สามารถนำไปประยุกต์ใช้กับงานหลายด้านได้อย่างมีประสิทธิภาพ เช่น การจำแนกรูปแบบ การทำนาย การควบคุม การหาความเหมาะสม และการจัดกลุ่ม เป็นต้น หลักการสำคัญของโครงข่ายประสาทเทียม คือ ความพยายามที่จะลอกเลียนแบบการทำงานของเซลล์ประสาทในสมองมนุษย์เพื่อทำงานได้อย่างมีประสิทธิภาพ ลักษณะทั่วไปของโครงข่ายประสาทเทียม คือ การที่โหนด (node) ต่าง ๆ จำลองมาจากไซแนป (synapse) ของเซลลประสาทระหว่าง เดนไดรท์ (dendrite) และแอกซอน (axon) โดยมีฟังก์ชันเป็นตัวกำหนดสัญญาณส่งออก (activation function or transfer function) นั่นเอง ลักษณะของโครงขาายประสาทเทียมสามารถแบ่งได้ 2 แบบ คือ 1) โครงข่ายประสาทเทียมแบบ ชั้นเดียว (single layer) ซึ่งจะมีเพียงชั้นสัญญาณประสาทขาเข้า และชั้นสัญญาณประสาทขาออก เท่านั้น เช่น โครงข่ายเพอเซบตรอนอย่างง่าย (simple perceptron) และโครงข่ายโฮปฟิลด์ (hopfield networks) เป็นต้น และ 2) โครงข่ายประสาทเทียมแบบหลายชั้น (multi layer) ซึ่งมีลักษณะเช่นเดียวกับโครงข่ายประสาทเทียมแบบชั้นเดียว แต่จะมีชั้นแอบแฝง (hidden) เพิ่มขึ้น โดยอยู่ส่วนกลางระหว่างชั้นนำข้อมูลป้อนเข้าและชั้นส่งขอมูลออก ทั้งนี้ชั้นแอบแฝงอาจมีมากกว่า 1 ชั้น อย่างไรก็ตาม การแบ่ง โครงข่ายประสาทเทียมตามประเภทการเรียนรู้ของโครงข่าย สามารถแบ่งได้ 2 ประเภท คือ การเรียนรู้แบบมีผู้สอน (supervised learning) และการเรียนรู้แบบไมมีผู้สอน (unsupervised learning) โดยในปัจจุบันการพัฒนาโครงข่ายประสาทเทียมยังคงมีการดำเนินการอย่างต่อเนื่องและคาดว่าจะมีบทบาทอย่างมากในด้านการจำแนกรูปแบบ การพยากรณ์ การควบคุม การหาความเหมาะสมและการจัดกลุ่ม

Artificial Neural Network is the science of Artificial Intelligence (AI) that being applied in various fields effectively, for example, pattern recognition, prediction, control, optimization and clustering. The concept is that it simulates the working of the human brain neurons. Generally, it can be seen from the Nodes of Neural Network which are simulated from synapse. Also, the signal transmission of nodes is simulated from dendrite and axon. Finally, activation, function or transfer functions are simulated from the human neuron. Artificial Neural Network architecture is divided into 2 types : a Single Neural Network Layer and a Multi Neural Network Layer. The Single Layer has only an input and an output level, for example, Simple Perceptron and Hopfield Networks. However, the Multi Neural Network layer has one or more than one hidden levels which are in the middle of the input and output level. Additionally, the Neural Network Learning can be divided into 2 types : supervised learning and unsupervised learning. Nowadays, the Neural Network science is very important and being developed and applied in various fields effectively and efficiently.

ธนาวุฒิ ประกอบผล. (2552). โครงข่ายประสาทเทียม. วารสาร มฉก.วิชาการ 12 (24), 73-87.

อ่านบทความฉบับเต็ม