نماذج ومنصات الذكاء الاصطناعي

باحثون يفتحون الطريق لمواد الجيل التالي الملهمة بالحياة

mm
أضف Unite.AI إلى مصادرك المفضلة على Google

مادة جديدة مستوحاة من الأنظمة الحية تغير سلوكها الكهربائي بناءً على الخبرات السابقة. تم تطويرها من قبل باحثين في جامعة آلتو، وقد حققت بشكل فعال شكلًا أساسيًا من الذاكرة التكيفية.

يمكن أن تلعب المواد التكيفية مثل هذه دورًا رئيسيًا في تطوير أجهزة الاستشعار الطبية والبيئية الجيل التالي، بالإضافة إلى الروبوتات الناعمة والسطحات النشطة.

مواد استجابة في الأنظمة الحية

يمكن العثور على المواد الاستجابة عبر مجموعة واسعة من التطبيقات، مثل النظارات التي تظلم في ضوء الشمس. ومع ذلك، فإن المواد الحالية تتفاعل دائمًا بنفس الطريقة، ويتوقف استجابتها للتغيير على تاريخها. هذا يعني أنها لا تتكيف بناءً على تجاربها السابقة.

من ناحية أخرى، تتكيف الأنظمة الحية سلوكها بناءً على الظروف السابقة.

Bo Peng هو باحث أكاديمي في جامعة آلتو وواحد من المؤلفين الرئيسيين للبحث.

“أحد التحديات الكبيرة التالية في علم المواد هو تطوير مواد ذكية حقيقية مستوحاة من الكائنات الحية،” يقول بينج. “كنا نريد تطوير مادة ت調節 سلوكها بناءً على تاريخها.”

تحقيق الذاكرة التكيفية في المواد

تم أولاً合成 حبات مغناطيسية بحجم المايكرومتر قبل تحفيزها بمجال مغناطيسي. تراكمت الحبات لتشكيل أعمدة كلما تم تشغيل المغناطيس، وتأثر قوة المجال المغناطيسي بشكل الأعمدة. يتأثر شكل الأعمدة بكيفية توصيل الكهرباء.

“مع هذا النظام، قمنا بتركيب المحفز المجال المغناطيسي والاستجابة الكهربائية. لقد وجدنا أن التوصيل الكهربائي يعتمد على ما إذا كنا غيرنا المجال المغناطيسي بسرعة أو ببطء،” يشرح بينج. “هذا يعني أن الاستجابة الكهربائية تعتمد على تاريخ المجال المغناطيسي. كان السلوك الكهربائي أيضًا مختلفًا إذا كان المجال المغناطيسي يزيد أو يقل. أظهرت الاستجابة ثنائية الاستقرار، وهو شكل أساسي من الذاكرة. المواد تتصرف كما لو كانت لها ذاكرة للمجال المغناطيسي.”

تمكّن نظام الذاكرة من التصرف بطريقة مشابهة للتعلم البدائي. خلال عملية التعلم في الكائنات الحية، يكون العنصر الأساسي في الحيوانات هو تغيير في استجابة الاتصالات بين العصبونات. يُطلق عليه اسم الاصطناع، ويتغير بناءً على تكرار التحفيز. يُسمى هذا التغيير باللدونة الشبكية القصيرة الأمد، ويتسبب في جعل الاتصال بين زوج من العصبونات أقوى أو أضعف بناءً على تاريخهم.

تمكنت الفريق من تحقيق نظام مشابه باستخدام الحبات المغناطيسية، ولكن الآلية مختلفة. عندما يتم تعرض الحبات لمجال مغناطيسي يذبذب بسرعة، يمكن للمادة توصيل الكهرباء بشكل أفضل. لكن إذا تم تعرضها لمجال مغناطيسي يذبذب ببطء، فإنها تؤدي بشكل سيئ.

Olli Ikkala هو أستاذ متميز في جامعة آلتو.

“مادتنا تعمل قليلاً مثل الاصطناع،” يقول إيكالا. “ما قدمناه يفتح الطريق لمواد الجيل التالي الملهمة بالحياة، والتي سوف تستند على العمليات البيولوجية للتكيف والذاكرة والتعلم.”

“في المستقبل، قد يكون هناك المزيد من المواد التي تستوحى خوارزميًا من الخصائص الشبيهة بالحياة، على الرغم من أنها لن تتضمن تعقيد الأنظمة البيولوجية الكامل. ستكون هذه المواد مركزية في الجيل التالي من الروبوتات الناعمة ومراقبة البيئة والطبية،” يختتم إيكالا.

Alex McFarland هو صحفي وكاتب في مجال الذكاء الاصطناعي يستكشف أحدث التطورات في الذكاء الاصطناعي. وقد تعاون مع العديد من الشركات الناشئة في مجال الذكاء الاصطناعي والمنشورات في جميع أنحاء العالم.