Автор AZoNano 30 июня 2021 года

]

Исследователи из Сиднейского университета и Национального института материаловедения (NIMS) в Японии определили искусственную сеть нанопроволок, которую можно настроить так, чтобы она реагировала на электрическую стимуляцию аналогично мозгу.

Международная исследовательская группа, возглавляемая Джоэлем Хохштеттером вместе с профессором Зденка Кунчич и профессором Томонобу Накаямой, заметила, что, когда сеть нанопроволок поддерживается в состоянии, напоминающем мозг, «на грани хаоса», она выполняет задачи на оптимальный уровень.

По мнению исследователей, это указывает на то, что фундаментальная природа нейтрального интеллекта является физической, и это открытие открывает новые захватывающие возможности для развития искусственного интеллекта.

Исследование было недавно опубликовано в журнале Nature Communications .

Мы использовали проволоку длиной 10 микрометров и толщиной не более 500 нанометров, расположенную случайным образом на двумерной плоскости.

Джоэл Хохстеттер, ведущий автор исследования и докторант, Институт нано и физическая школа Сиднейского университета.

«Там, где провода перекрываются, они образуют электрохимическое соединение, как синапсы между нейронами. Мы обнаружили, что электрические сигналы, проходящие через эту сеть, автоматически находят лучший маршрут для передачи информации. И эта архитектура позволяет сети «запоминать» предыдущие пути через систему », – добавил Хохштеттер.

На грани хаоса

С помощью моделирования команда проверила произвольную сеть на основе нанопроволоки, чтобы определить, как заставить ее работать идеально для решения основных задач.

Если сигнал, имитирующий сеть, был слишком слабым, это означает, что пути были слишком упорядоченными и предсказуемыми и не давали достаточно сложных выходных сигналов, которые можно было бы считать полезными. Однако, если сеть перегружена электрическими сигналами, выходной сигнал будет полностью хаотичным и бесполезным для решения проблем. Идеальный сигнал для создания полезного выхода лежит на границе этого хаотического состояния.

Некоторые теории нейробиологии предполагают, что человеческий разум может действовать на этом краю хаоса, или в том, что называется критическим состоянием. Некоторые нейробиологи считают, что именно в этом состоянии мы достигаем максимальной производительности мозга.

Зденка Кунчич, профессор Сиднейского университета

Профессор Кунчич также является научным руководителем г-на Хохстеттера и в настоящее время является стипендиатом программы Фулбрайта в Калифорнийском университете в Лос-Анджелесе, работая на стыке искусственного интеллекта и нанонауки.

«Что такого захватывающего в этом результате, так это то, что он предполагает, что эти типы сетей на основе нанопроволок могут быть настроены на режимы с разнообразной мозговой коллективной динамикой, которая может быть использована для оптимизации обработки информации», – профессор Кунчич добавил.

Преодоление компьютерной двойственности

В сети на основе нанопроводов соединения между проводами позволяют системе объединить операции и память в единую систему. Это отличается от стандартных компьютеров, которые обычно имеют отдельные операции (ЦП) и память (ОЗУ).

«Эти переходы действуют как компьютерные транзисторы, но с дополнительным свойством запоминания того, что сигналы проходили этот путь раньше. По сути, они называются «мемристорами», – добавил г-н Хохштеттер.

Этот вид памяти принимает физическую форму, в которой соединения в точках пересечения между нанопроволокой служат как переключатели. Это поведение зависит от предыдущей реакции переключателя на электрические сигналы. При подаче сигналов через эти переходы очень маленькие серебряные нити вырастают и активируют переходы, позволяя току проходить через них.

«Это создает сеть памяти внутри случайной системы нанопроволок», – добавил г-н Хохштеттер.

Вместе со своей командой г-н Хохштеттер построил симуляцию физических сетей, чтобы продемонстрировать, как их можно обучить решать самые простые задачи.

«Для этого исследования мы обучили сеть преобразовывать простой сигнал в более сложные типы сигналов», – добавил г-н. Hochstetter.

При моделировании исследователи настраивали частоту и амплитуду электрического сигнала, чтобы определить, где достигаются оптимальные характеристики.

Г-н. Далее Хохштеттер добавил: « Мы обнаружили, что если вы продвигаете сигнал слишком медленно, сеть будет делать одно и то же снова и снова, без обучения и развития. Если мы будем действовать слишком сильно и быстро, сеть станет неустойчивой и непредсказуемой ».

Исследователи из Сиднейского университета тесно сотрудничают с коллегами из Международного центра наноархитектоники материалов в НИМС в Японии и Калифорнийского университета в Лос-Анджелесе, где профессор Кунчич также является приглашенным стипендиатом программы Фулбрайта.

Новые системы на основе нанопроводов были разработаны в NIMS и UCLA, и г-н Хохштеттер разработал анализ, работая с соавторами исследования и другими докторантами, Руомином Чжу и Алоном Леффлером.

Снижение энергопотребления

По словам профессора Кунчича, сочетание памяти и операций имеет огромные практические преимущества для грядущего развития искусственного интеллекта.

Алгоритмы, необходимые для обучения сети, чтобы знать, какому узлу должна быть предоставлена ​​соответствующая «нагрузка» или вес информации, потребляют много энергии. В разрабатываемых нами системах отпадает необходимость в таких алгоритмах.

Зденка Кунчич, профессор Сиднейского университета

«Мы просто позволяем сети развивать собственное взвешивание, что означает, что нам нужно беспокоиться только о входящем и исходящем сигналах, структура, известная как« резервуарные вычисления ». Веса сети адаптируются сами по себе, потенциально высвобождая большое количество энергии », – добавил профессор Кунчич.

Это означает, что любые будущие системы искусственного интеллекта, использующие эти сети, будут иметь относительно меньший энергетический след, заключил профессор Кунчич.

Ссылка на журнал:

Hochstetter, J., et al. (2021) Лавины и обучение на краю хаоса в нейроморфных сетях на основе нанопроводов. Nature Communications. doi.org/10.1038/s41467-021-24260-z.

Источник: https://www.sydney.edu.au/[19459008visible