Jaringan Nanowire Buatan Bertindak Seperti Otak Ketika Dirangsang Listrik

Ilmuwan di Universitas Sydney dan Institut Sains Bahan Jepang (NIMS) telah menemukan cara membuat jaringan nanowire buatan bertindak seperti otak ketika dirangsang listrik.

Studi ini dipublikasikan di Nature Communications.

Tim internasional ini dipimpin oleh Joel Hochstetter, yang bergabung dengan Profesor Zdenka Kuncic dan Profesor Tomonobu Nakayama.

Tim menemukan bahwa mereka dapat menjaga jaringan nanowire dalam keadaan seperti otak “di tepi kekacauan” untuk melakukan tugas pada tingkat optimal.

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

Joel Hochstetter adalah calon doktor di Institut Nano Universitas Sydney dan Sekolah Fisika dan penulis utama makalah ini.

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

“Di mana kawat bertumpang tindih, mereka membentuk junction elektrokimia, seperti sinapsis antara neuron,” katanya. “Kami menemukan bahwa sinyal listrik yang diterapkan pada 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 nanowire acak untuk mempelajari bagaimana mereka dapat berperforma terbaik dan menyelesaikan tugas sederhana.

Setiap kali sinyal yang merangsang jaringan terlalu rendah, jalur tidak menghasilkan output yang cukup kompleks karena terlalu dapat diprediksi. Di sisi lain, jika jaringan terlalu banyak dirangsang oleh sinyal, outputnya terlalu kacau.

Ini berarti bahwa sinyal optimal berada di tepi keadaan kacau ini, menurut tim.

Profesor Kuncic berasal dari Universitas Sydney.

“Beberapa teori dalam ilmu saraf menunjukkan bahwa pikiran manusia dapat beroperasi di tepi kekacauan ini, atau apa yang disebut keadaan kritis,” kata Profesor Kuncic. “Beberapa ilmuwan saraf berpikir bahwa ini adalah keadaan di mana kita mencapai performa otak maksimal.”

“Apa yang sangat menarik tentang hasil ini adalah bahwa ini menunjukkan bahwa jenis jaringan nanowire ini dapat disesuaikan dengan rezim yang memiliki dinamika kolektif seperti otak, yang dapat dimanfaatkan untuk mengoptimalkan pemrosesan informasi,” katanya.

Jaringan nanowire dapat menggabungkan memori dan operasi menjadi satu sistem karena junction antara kawat. Ini berbeda dengan komputer standar, yang bergantung pada memori dan operasi yang terpisah.

“Junction ini bertindak seperti transistor komputer tetapi dengan sifat tambahan yang mengingat bahwa sinyal telah melewati jalur sebelumnya. Sehingga, mereka disebut ‘memristor’,” kata Hochstetter.

Memori ini berbentuk fisik dengan junction di titik potong antara nanowire yang bertindak seperti saklar. Perilakunya bergantung pada respons historis terhadap sinyal listrik, dan ketika sinyal diterapkan pada junction, mereka diaktifkan sebagai arus mengalir melalui mereka.

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

Tim mengembangkan simulasi jaringan fisik untuk menunjukkan kemampuan mereka dalam menyelesaikan tugas sederhana.

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

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

“Kami menemukan bahwa jika Anda mendorong sinyal terlalu lambat, jaringan hanya melakukan hal yang sama berulang-ulang tanpa belajar dan berkembang. Jika kita mendorongnya terlalu keras dan cepat, jaringan menjadi tidak terduga dan tidak dapat diprediksi,” katanya.

Kelebihan di Dunia Nyata

Menurut Profesor Kuncic, menggabungkan memori dan operasi memiliki kelebihan besar bagi kecerdasan buatan.

“Algoritma yang diperlukan untuk melatih jaringan untuk mengetahui junction mana yang harus diberi ‘beban’ atau bobot informasi yang tepat menghabiskan banyak daya,” katanya.

“Sistem yang kami kembangkan menghilangkan kebutuhan akan algoritma tersebut. Kami hanya membiarkan jaringan mengembangkan bobotnya sendiri, yang berarti kita hanya perlu memperhatikan sinyal masuk dan sinyal keluar, kerangka kerja yang disebut ‘reservoir computing’. Bobot jaringan bersifat adaptif, yang berpotensi melepaskan sejumlah besar energi.”

Kuncic mengatakan bahwa ini berarti sistem kecerdasan buatan di masa depan yang bergantung pada jaringan ini akan memiliki jejak energi yang jauh lebih rendah.