רשת ננו-חוטים מלאכותית פועלת כמו מוח כשהיא מעוררת חשמל 

מדענים מאוניברסיטת סידני והמכון הלאומי למדעי החומר של יפן (NIMS) גילו כיצד לגרום לרשת מלאכותית של ננו-חוטים לפעול בצורה דמוית מוח בעת גירוי חשמלי. 

המחקר פורסם ב תקשורת טבע. 

את הצוות הבינלאומי הוביל ג'ואל הוכשטטר, אליו הצטרפו פרופסור זדנקה קונצ'יץ' ופרופסור טומונובו נאקאיאמה. 

הצוות מצא שהם יכולים לשמור על רשת של ננו-חוטים במצב דמוי מוח "בקצה הכאוס" כדי לבצע משימות ברמה אופטימלית. 

לדברי החוקרים, הדבר מצביע על כך שהטבע הבסיסי של אינטליגנציה עצבית הוא פיזי, וזה עלול להוביל להתפתחויות חדשות בבינה מלאכותית. 

ג'ואל הוכשטטר הוא מועמד לדוקטורט במכון ננו של אוניברסיטת סידני ובבית הספר לפיזיקה והמחבר הראשי של המאמר.

"השתמשנו בחוטים באורך 10 מיקרומטר ולא יותר מ-500 ננומטר המסודרים באופן אקראי במישור דו מימדי", אמר הוכשטטר.

"במקום שבו החוטים חופפים, הם יוצרים צומת אלקטרוכימי, כמו הסינפסות בין נוירונים", אמר. "מצאנו שאותות חשמליים המועברים דרך הרשת הזו מוצאים באופן אוטומטי את המסלול הטוב ביותר להעברת מידע. והארכיטקטורה הזו מאפשרת לרשת 'לזכור' מסלולים קודמים במערכת."

בדיקת רשת Nanowire

צוות המחקר השתמש בסימולציות כדי לבדוק את רשת הננו-חוטים האקראית על מנת ללמוד כיצד היא יכולה לבצע ולפתור משימות פשוטות בצורה הטובה ביותר. 

בכל פעם שהאות המגרה את הרשת היה נמוך מדי, המסלול לא הפיק פלטים מורכבים מספיק מכיוון שהם היו צפויים מדי. מצד שני, אם הרשת הייתה המומה מהאות, הפלט היה כאוטי מדי.

המשמעות היא שהאות האופטימלי היה בקצה המצב הכאוטי הזה, לדברי הצוות.

פרופסור קונצ'יץ' הוא מאוניברסיטת סידני. 

"כמה תיאוריות במדעי המוח מציעות שהמוח האנושי יכול לפעול בקצה זה של כאוס, או מה שנקרא המצב הקריטי", אמר פרופסור קונצ'יץ'. "כמה מדעני מוח חושבים שבמצב הזה אנחנו משיגים ביצועים מקסימליים של המוח."

"מה שכל כך מרגש בתוצאה הזו הוא שהיא מרמזת שניתן לכוונן סוגים אלה של רשתות ננו-חוטיות למשטרים עם דינמיקה קולקטיבית מגוונת דמוית מוח, שניתן למנף אותם כדי לייעל את עיבוד המידע", המשיכה. 

רשת הננו-חוטים מסוגלת לשלב זיכרון ופעולות במערכת אחת הודות לחיבורים בין החוטים. זה שונה ממחשבים רגילים, המסתמכים על זיכרון ופעולות מופרדות. 

"הצמתים האלה פועלים כמו טרנזיסטורי מחשב, אבל עם תכונה נוספת של לזכור שאותות עברו במסלול הזה בעבר. ככאלה, הם נקראים 'ממריסטורים'", אמר הוכשטטר.

הזיכרון נמצא בצורה פיזית כאשר הצמתים בנקודות החצייה בין ננו-חוטים פועלים כמו מתגים. התנהגותם תלויה בתגובה היסטורית לאותות חשמליים, וכאשר אותות מופעלים על פני הצמתים, הם מופעלים כאשר זרם זורם דרכם.

"זה יוצר רשת זיכרון בתוך המערכת האקראית של ננו-חוטים", אמר.

הצוות פיתח סימולציה של הרשת הפיזית כדי להדגים את יכולתו לפתור משימות פשוטות מאוד. 

"למחקר זה אימנו את הרשת להפוך צורת גל פשוטה לסוגים מורכבים יותר של צורות גל", אמר הוכשטטר.

הצוות התאים את המשרעת והתדירות של האות החשמלי כדי לראות היכן התרחשו הביצועים הטובים ביותר.

"גילינו שאם אתה דוחף את האות לאט מדי, הרשת פשוט עושה את אותו הדבר שוב ושוב מבלי ללמוד ולהתפתח. אם דחפנו את זה חזק ומהר מדי, הרשת הופכת לא יציבה ובלתי צפויה", אמר.

יתרונות בעולם האמיתי

לדברי פרופסור קונצ'יץ', לאיחוד זיכרון ופעולות יש יתרונות גדולים לבינה מלאכותית. 

"אלגוריתמים הדרושים כדי לאמן את הרשת לדעת לאיזה צומת יש להקנות את ה'עומס' או המשקל המתאים של המידע, גוזלים הרבה כוח", אמרה.

"המערכות שאנו מפתחים מבטלות את הצורך באלגוריתמים כאלה. אנחנו פשוט מאפשרים לרשת לפתח שקלול משלה, כלומר אנחנו צריכים רק לדאוג לגבי כניסת אות ואות החוצה, מסגרת הידועה בשם 'מחשוב מאגר'. משקלי הרשת מותאמים לעצמם, ועשויים לשחרר כמויות גדולות של אנרגיה."

Kuncic אומר שמשמעות הדבר היא שמערכות בינה מלאכותיות עתידיות המסתמכות על רשתות אלו יהיו בעלי טביעות אנרגיה נמוכות בהרבה.