Jaringan Nanowire Buatan Bertindak Seperti Otak Saat Dirangsang Secara Elektrik 

Para ilmuwan di University of Sydney dan National Institute for Material Science (NIMS) Jepang telah menemukan cara membuat jaringan buatan kawat nano bertindak seperti otak ketika distimulasi secara elektrik. 

Studi ini dipublikasikan dalam Alam Komunikasi. 

Tim internasional dipimpin oleh Joel Hochstetter, yang diikuti oleh Profesor Zdenka Kuncic dan Profesor Tomonobu Nakayama. 

Tim menemukan bahwa mereka dapat menjaga jaringan kabel nano dalam keadaan seperti otak "di tepi kekacauan" untuk melakukan tugas pada tingkat yang optimal. 

Menurut para peneliti, ini menunjukkan bahwa sifat dasar kecerdasan saraf adalah fisik, dan ini dapat mengarah pada perkembangan baru dalam kecerdasan buatan. 

Joel Hochstetter adalah kandidat doktor di University of Sydney Nano Institute dan School of Physics dan penulis utama makalah ini.

“Kami menggunakan kabel sepanjang 10 mikrometer dan tidak lebih tebal dari 500 nanometer yang disusun secara acak pada bidang dua dimensi,” kata Hochstetter.

"Di mana kabel tumpang tindih, mereka membentuk sambungan elektrokimia, seperti sinapsis antar neuron," katanya. “Kami menemukan bahwa sinyal listrik yang dimasukkan melalui jaringan ini secara otomatis menemukan rute terbaik untuk mengirimkan informasi. Dan arsitektur ini memungkinkan jaringan untuk 'mengingat' jalur sebelumnya melalui sistem.”

Menguji Jaringan Nanowire

Tim peneliti menggunakan simulasi untuk menguji jaringan kawat nano acak untuk mempelajari cara terbaik melakukan dan menyelesaikan tugas-tugas sederhana. 

Setiap kali sinyal yang merangsang jaringan terlalu rendah, jalur tidak menghasilkan keluaran yang cukup kompleks karena terlalu dapat diprediksi. Di sisi lain, jika jaringan kewalahan oleh sinyal, keluarannya terlalu kacau.

Artinya, sinyal optimal berada di tepi keadaan kacau ini, menurut tim.

Profesor Kuncic berasal dari University of Sydney. 

“Beberapa teori dalam ilmu saraf menyatakan bahwa pikiran manusia dapat beroperasi di ujung kekacauan ini, atau apa yang disebut keadaan kritis,” kata Profesor Kuncic. "Beberapa ahli saraf berpikir dalam keadaan inilah kita mencapai kinerja otak maksimal."

“Apa yang sangat menarik dari hasil ini adalah menunjukkan bahwa jenis jaringan kawat nano ini dapat diatur ke dalam rezim dengan dinamika kolektif yang beragam seperti otak, yang dapat dimanfaatkan untuk mengoptimalkan pemrosesan informasi,” lanjutnya. 

Jaringan nanowire mampu menggabungkan memori dan operasi ke dalam satu sistem karena sambungan antar kabel. Ini berbeda dengan komputer standar, yang mengandalkan memori dan operasi terpisah. 

“Persimpangan ini bertindak seperti transistor komputer tetapi dengan properti tambahan untuk mengingat bahwa sinyal telah menempuh jalur itu sebelumnya. Karena itu, mereka disebut 'memristor',” kata Hochstetter.

Memori dalam bentuk fisik dengan persimpangan di titik persimpangan antara kabel nano bertindak seperti sakelar. Perilaku mereka bergantung pada respons historis terhadap sinyal listrik, dan ketika sinyal diterapkan melintasi persimpangan, mereka diaktifkan saat arus mengalir melaluinya.

“Ini menciptakan jaringan memori dalam sistem acak kawat nano,” katanya.

Tim mengembangkan simulasi jaringan fisik untuk menunjukkan kemampuannya menyelesaikan tugas yang sangat sederhana. 

“Untuk penelitian ini kami melatih jaringan untuk mengubah bentuk gelombang sederhana menjadi jenis bentuk gelombang yang lebih kompleks,” kata Hochstetter.

Tim menyesuaikan amplitudo dan frekuensi sinyal listrik untuk melihat di mana kinerja terbaik terjadi.

“Kami menemukan bahwa jika Anda menekan sinyal terlalu lambat, jaringan akan melakukan hal yang sama berulang kali tanpa belajar dan berkembang. Jika kami mendorongnya terlalu keras dan cepat, jaringan menjadi tidak menentu dan tidak dapat diprediksi, ”katanya.

Keuntungan Dunia Nyata

Menurut Profesor Kuncic, menyatukan memori dan operasi memiliki manfaat besar bagi kecerdasan buatan. 

"Algoritma diperlukan untuk melatih jaringan untuk mengetahui persimpangan mana yang harus diberi 'beban' yang sesuai atau bobot informasi yang memakan banyak daya," katanya.

“Sistem yang kami kembangkan menghilangkan kebutuhan akan algoritme semacam itu. Kami hanya mengizinkan jaringan untuk mengembangkan bobotnya sendiri, artinya kami hanya perlu khawatir tentang sinyal masuk dan keluar, kerangka kerja yang dikenal sebagai 'komputasi reservoir'. Bobot jaringan bersifat adaptif sendiri, berpotensi membebaskan energi dalam jumlah besar.”

Kuncic mengatakan bahwa ini berarti sistem AI masa depan yang mengandalkan jaringan ini akan memiliki jejak energi yang jauh lebih rendah.