پژوهشگران با الهام از توسعه عصب شناختی حشرات میوه خوار، الگوریتمی جدید برای خودسازماندهی کارآمدتر شبکه های توزیعی، توسعه داده اند
پژوهشگران از رشد عصب شناختی حشرات میوه خوار به عنوان مدلی برای توسعه یک الگوریتم طراحی شبکه استفاده کرده اند که می گویند پتانسیل از رده خارج کردن سایر روش های متداول تعیین روابط متقابل در شبکه های توزیعی را دارا است.سیستم عصبی در حال رشد حشره، بدون هیچ دانش پیشینی نسبت به نحوه اتصال سلول، برخی را به عنوان سلول های رهبر که امکان ارتباط مستقیم با سایر سلول های عصبی را دارند، انتخاب می کند. محققین می گویند این فرآیند رشد، شباهت بسیاری به آرایش های مورد استفاده در مدیریت شبکه های توزیعی متداول دارد، با این تفاوت که از تمامی روش های ابداعی بشر ساده تر و مستحکم تر است.
زیو بارژوزف، استادیار یادگیری ماشین و زیست شناسی محاسباتی در دانشگاه کارنگی ملون، مدیر پروژه الگوریتم جدید شبکه است. بارژوزف می گوید برای اولین بار حین تحصیل در مؤسسه تکنولوژی ماساچوست و همزمان با کشف نخستین توالی ژنوم انسانی، به رایانش ملهم از زیست شناسی علاقمند شد.
بیش از یک دهه بعد، هنوز نیاز به روش های پیچیده و حتی انواع جدیدی از اطلاعات برای استفاده از رشد روزافزون مجموعه داده های زیست شناختی از برجسته ترین مشخصه های زیست شناسی محاسباتی (استفاده از روش های محاسباتی در زیست شناسی) و رایانش ملهم از زیست شناسی (طراحی با الهام از فرآیندهای زیستی) به حساب می آید.
پس از کارهای اولیه - مثل شبکه های عصبی - که بر ساخت مدل های رایانشی براساس درکی سطح بالا از سیستم های زیستی متمرکز بودند، امروزه محققین بر پروژه های رایانشی با الهام از زیست شناسی در سطوح خیلی پایین تر کار می کنند. هدف آنها بدست آوردن شناختی نو با استفاده از روش کارکرد سیستم های ملکولی مورد مطالعه است.
حوزه رایانش ملهم از زیست شناسی با وجودی که نویدبخش راه حل های زیستی ابتکاری برای مسایل کلاسیک علوم کامپیوتر می باشد، اما با چالش های متعددی نیز روبرو است. یکی از مسایل عمده پیش روی این حوزه، توسعه زبان ها و متدولوژی های جدیدی است که به اعضای تیم با پیش زمینه ها و تخصص های گوناگون کمک کند بهتر یکدیگر را درک کند.
بارژوزف می گوید مسأله ارتباطات درون تیم با ایجاد چندین برنامه دکتری جدید در زیست شناسی محاسباتی که به دانشجویان امکان اشراف هم زمان به زیست شناسی و علوم کامپیوتر را می دهند، در حال بهبود است. اما با این وجود برنامه های تحصیلات تکمیلی اختصاصی در هر یک از دو رشته علوم کامپیوتر و زیست شناسی اغلب رویکردهایی کاملاً متفاوت در پیش می گیرند.
بارژوزف می گوید: "من یافتن مسایلی که برای هر دو گروه جذاب باشد را یکی از چالش های اصلی پیش روی این حوزه می بینم. شما می خواهید بر روی آخرین تحقیقات در حوزه علوم کامپیوتر کار کنید و هم زمان زیست شناسی را نیز پیش ببرید. پیدا کردن اینگونه مسایل و همکاران خوبی که با آنها کار کنید اصلاً کار ساده ای نیست."
بازدید خوش یمن
بارژوزف می گوید جرقه تحقیق حشره میوه خوار که توسط وی و همکارانش انجام شد در یک "اتفاق تصادفی" زده شد. زمانی که وی مشغول بازدید از آزمایشگاه یکی از همکارانش بود، یک دانشجوی تحصیلات تکمیلی تحقیقات خود بر روی ساز و کارهای ملکولی تعیین سرنوشت سلول (تبدیل سلول به ارگانیسم) را برای او شرح داد. بارژوزف می گوید به نظر می رسید این تحقیق در یک مسأله طراحی شبکه کاربرد داشته باشد، بنابراین تیم پروژه حشره میوه خوار تشکیل شد که نتیجه نهایی آن به عقیده پژوهشگران تحولی در الگوریتم های شبکه های توزیعی خواهد بود.یک روش ایجاد چهارچوب توزیعی در شبکه، انتخاب یک سری از گره های رهبر - که بعضاً مجموعه مستقل حداکثری (MIS) نیز نامیده می شوند - برای ارتباط با بقیه گره ها است. در چنین شبکه ای هر گره یا رهبر است یا به یک گره رهبر متصل. اما گره های رهبر خود به یکدیگر متصل نیستند. محققان دریافتند که همین ترکیب در حشره میوه خوار نیز وجود دارد. این حشره از موهای نازکی به عنوان حسگر استفاده می کند. هر مو از یک سلول عصبی که عضو حسی مقدماتی (SOP) نامیده می شود، می روید. هر SOP به سلول های مجاورش متصل است ولی هیچ دو SOP با هم اتصال ندارند.
دانشمندان علوم کامپیوتر روش های مختلفی برای بهترین انتخاب MIS در شبکه های توزیعی ابداع کرده اند. یکی از رویکردهای محبوب، استفاده از روشی احتمالی است که در آن گره ها براساس تعداد اتصالاتی که با دیگر گره ها دارند خود را به عنوان گره رهبر تعریف می کنند. گره های متصل به این رهبران خود خوانده از دورهای بعدی انتخاب گره های رهبر کنار می روند. با وجود سرعت بالا، این فرآیند انتخاب شبکه را با سیلی از پیام ها مواجه می کند زیرا گره ها باید به طور مداوم نحوه اتصال خود به گره های دیگر را بررسی کنند.
الگوریتمی که بارژوزف و همکارانش ابداع کرده اند میان تلاش برای کاهش تداخلات (گره های همسایه ای که اشتباهاً خود را رهبر انتخاب می کنند) و تلاش برای افزایش سرعت انتخاب MISها تعادل برقرار می کند. الگوریتم جدید برای دستیابی به این تعادل از روشی مبتنی بر زمان استفاده می کند که با استفاده از انتخاب تصادفی وزنی تصمیم می گیرد کدام گره ها خود را برای MIS شدن نامزد کنند.
پژوهشگران می گویند تعیین احتمال انتخاب تصادفی کار دشواری است زیرا احتمال انتخاب بالا به معنی تداخلات و گره های رهبر بیش از حد است. بالعکس احتمال انتخاب پایین منجر می شود که تعداد رهبران انتخابی کمتر از میزان مورد نیاز باشد.
الگوریتم با پیروی از الگوی حشره میوه خوار احتمال انتخاب را در طول زمان تغییر می دهد یعنی با یک احتمال کم آغاز و با گذشت زمان این احتمال را افزایش می دهد. بارژوزف می گوید: "مشخص شد اگر همسایه های زیادی داشته باشید زودتر انتخاب و یا به یک گره منتخب متصل می شوید. اگر همسایه های کمی دارید ممکن است این زمان اندکی بیشتر طول بکشد."
این پژوهشگران می پذیرند که در حال حاضر الگوریتم جدید از الگوریتم های معمول تعیین MIS در شبکه های توزیعی کندتر است. اما می گویند این کمبود سرعت با کارآیی بالاتری که این الگوریتم به ویژه در حوزه شبکه های حسگر (Sensor Networks) - که سرعت انتخاب MISها هدف اصلی شان نیست - دارد جبران می شود.
الگوریتم جدید به گونه ای طراحی شده است که با کمترین پیش فرض در مورد محل گره ها کار کند و حداقل سربار پیام را داشته باشد. شبکه های حسگر اغلب برای کنترل شرایط محیطی استفاده می شوند و معمولاً شامل دستگاه هایی ارزان قیمت هستند که می توانند در فضایی بزرگ پخش شوند. در این شبکه ها هیچ دانش پیشینی از محل قرار گرفتن حسگرها و حتی اینکه کدام حسگرها در برد یکدیگر باقی می مانند، وجود ندارد.
با وجودی که به نظر می رسد این الگوریتم کاملاً مناسب شبکه های حسگر است، اما در مورد سایر کاربردهای آن در شبکه های توزیعی باید منتظر ماند و دید. بارژوزف امیدوار است این ایده های ملهم از زیست شناسی بتوانند به شبکه ها کمک کنند تا در وضعیت هایی که امروزه طراحی های تحمل پذیر در مقابل خطا را با چالش مواجه کرده اند، کارآیی بهتر نشان دهند.
وی می گوید: "سیستم های زیستی اغلب چه در داخل سلول و چه در میان سلول ها توزیع شده اند. در نتیجه آنها با بسیاری از چالش های اصلی پیش روی سیستم های کامپیوتری پیشرفته مواجه هستند. بنابراین تحمل پذیری در مقابل خطا را که یکی از مسایل عمده شبکه های بزرگ کامپیوتری است، می توان در این سیستم ها نیز مورد مطالعه قرار داد."
بارژوزف و همکارانش بر روی چندین پروژه جدید در این حوزه کار می کنند و سعی دارند از شکست های سلولی برای تعیین اینکه کدام گره های شبکه های کامپیوتری بهترین نگهداری را داشته اند، ایده بگیرند. آنها همچنین در تلاش اند تا روش هایی کارآمدتر برای تعیین اتصالات مناسب شبکه های کامپیوتری برای مقاومت در برابر شکست گره ها و خرابی پیام ها بیایند. در واقع به نظر می رسد حوزه رایانش با الهام از زیست شناسی برای پروژه های ابتکاری قیاس میان زندگی واقعی و سناریوهای کامپیوتری امکانات زیادی در اختیار پژوهشگران قرار می دهد. بارژوزف می گوید: "با بلوغ علوم کامپیوتر، این حوزه نمود بیرونی بیشتری پیدا خواهد کرد و در حوزه های متعدد علم و فناوری نقشی بزرگ تر بر عهده خواهد گرفت. ما هنوز رشته ای نسبتاً جوان هستیم و به همین دلیل بیشتر تلاش هایمان نگاهی درون رشته ای دارد. اما این وضع به آهستگی در حال تغییر است.
منبع: نشریه بزرگراه رایانه شماره 143
