Modely a platformy AI

Vědci připravují cestu pro materiály nové generace inspirované živými systémy

mm
Přidejte Unite.AI mezi své preferované zdroje na Google

Nový materiál inspirovaný živými systémy mění své elektrické chování na základě předchozích zkušeností. Vyvinuli jej výzkumníci z Aalto University a podařilo se jim dosáhnout základní formy adaptivní paměti.

Adaptivní materiály, jako je tento, mohou hrát klíčovou roli ve vývoji lékařských a environmentálních senzorů nové generace, stejně jako v softwarových robotech a aktivních površích.

Reaktivní materiály v živých systémech

Reaktivní materiály lze nalézt v širokém spektru aplikací, jako jsou brýle, které tmavnou na slunci. Existující materiály však vždy reagují stejným způsobem a jejich reakce na změnu je nezávislá na jejich historii. To znamená, že se neadaptují na základě svých předchozích zkušeností.

Na druhé straně živé systémy adaptují své chování na základě předchozích podmínek.

Bo Peng je akademickým výzkumným pracovníkem na Aalto University a jedním z hlavních autorů výzkumu.

„Jednou z dalších velkých výzev ve vědě o materiálech je vyvinout skutečně inteligentní materiály inspirované živými organismy,“ říká Peng. „Chtěli jsme vyvinout materiál, který by měnil své chování na základě své historie.”

Dosažení adaptivní paměti v materiálech

Tým nejprve syntetizoval magnetické částice o velikosti mikrometru a poté je stimuloval magnetickým polem. Částice se shlukly do sloupů, kdykoli byl magnet zapnut, a síla magnetického pole ovlivňovala tvar sloupů. Tyto tvary ovlivňují, jak dobře sloupky vedou elektrický proud.

„S tímto systémem jsme spojili magnetické pole a elektrickou odpověď. Zajímavé je, že jsme zjistili, že elektrická vodivost závisí na tom, zda jsme měnili magnetické pole rychle nebo pomalu,” vysvětluje Peng. „To znamená, že elektrická odpověď závisí na historii magnetického pole. Elektrické chování bylo také odlišné, pokud se magnetické pole zvyšovalo nebo snižovalo. Odpověď ukázala bistabilitu, což je základní forma paměti. Materiál se chová, jako by měl paměť magnetického pole.”

Paměť systému umožňuje, aby se choval podobně jako základní forma učení. Během procesu učení v živých organismech je základní prvek v zvířatech změna odpovědi spojení mezi neurony. To se nazývá synapse, a v závislosti na tom, jak často jsou stimulovány, se synapse v neuronech stávají buď tvrdšími nebo lehčími na aktivaci. Změna se nazývá krátkodobá synaptická plasticita, a umožňuje, aby spojení mezi párem neuronů bylo silnější nebo slabší v závislosti na jejich historii.

Tým výzkumníků dosáhl podobného systému s magnetickými částicemi, ale mechanismus je odlišný. Když jsou částice vystaveny rychle pulzujícímu magnetickému poli, materiál může lépe vést elektrický proud. Ale pokud jsou vystaveny pomalejšímu pulzování, vedou proud špatně.

Olli Ikkala jeistinguished profesor na Aalto.

„Náš materiál funguje trochu jako synapse,” říká Ikkala. „Co jsme prokázali, otevírá cestu pro další generaci materiálů inspirovaných biologickými procesy adaptace, paměti a učení.”

„V budoucnu by mohlo být ještě více materiálů, které jsou algoritmicky inspirované životními vlastnostmi, i když nebudou zahrnovat plnou složitost biologických systémů. Tyto materiály budou centrální pro další generaci softwarových robotů a pro lékařské a environmentální monitorování,” uzavírá Ikkala.

Alex McFarland je AI novinář a spisovatel, který zkoumá nejnovější vývoj v oblasti umělé inteligence. Spolupracoval s mnoha AI startupy a publikacemi po celém světě.