電気が「学習」を可能にする材料を見つけるのを助ける

アルゴンヌ国立研究所の科学者チームは、非生物材料が学習に関連する行動を模倣するのを観察できた。これにより、より優れた人工知能（AI）システムが開発できるという。

この研究を記述した論文は、Advanced Intelligent Systemsに掲載された。

このグループは、次世代のスーパーコンピュータを開発し、人間の脳からインスピレーションを得ている。

非生物材料による学習様行動

脳にインスピレーションを得たコンピュータを作るために、研究者は非生物材料を使用することが多い。これらの材料は、新しいソフトウェアアルゴリズムと組み合わせて使用できるハードウェアを構築するために使用でき、よりエネルギー効率の良いAIを実現できる。

この新しい研究は、パーデュー大学の科学者によって主導された。彼らは、酸素欠乏ニッケル酸化物に短時間の電気パルスを当て、学習に似た2つの異なる電気応答を引き出した。ラトガース大学のシュリラム・ラマナサン教授によると、彼らは学習行動を示す全電気駆動システムを開発した。

研究チームは、米国エネルギー省（DOE）のオフィス・オブ・サイエンス施設であるアルゴンヌ国立研究所のAdvanced Photon Source（APS）のリソースを利用した。

習慣化と感作化

最初に発生する応答は習慣化であり、材料が少し電気を通されたときに発生する。材料の抵抗は初期の電気ショックの後増加するが、研究者は材料が電気刺激に慣れることを観察した。

ファニー・ロドルカスはAPSの物理学者兼ビームライン科学者である。

「習慣化は、空港の近くに住んでいるときに起こることと似ている」とロドルカスは言う。「引っ越した日のように、最初は『うるさすぎる』と思うが、最終的にはもう気にしなくなる」

材料が示す2番目の応答は感作化であり、大きな電気量が与えられたときに発生する。

「大きな刺激を与えると、材料の応答は時間の経過とともに減少するのではなく、増加する」とロドルカスは言う。「怖い映画を見て、誰かが後ろから『ブー！』と言ったときのように、本当に飛び上がる」

「ほぼすべての生物はこれら2つの特性を示す」とラマナサンは続ける。「これらは実際に、知能の基礎となる側面である」

これら2つの行動は、電子間で発生する量子相互作用によって制御される。これらの相互作用は古典物理学では説明できないが、材料の相転移の基礎を形成する役割を果たす。

「相転移の例として、液体が固体になることがある」とロドルカスは言う。「私たちが調べている材料はその境界にあり、電子レベルの競合する相互作用は小さな刺激によって簡単に片方に傾くことができる」

ラマナサンによると、完全に電気信号で制御できるシステムが必要である。

「材料をこのように操作できるようになれば、ハードウェアが知能の一部を担うことができる」と彼は言う。「ハードウェアに知能を取り入れるために量子特性を利用することは、エネルギー効率の良いコンピューティングへの重要なステップである」

安定性-可塑性ジレンマの克服

科学者は、習慣化と感作化の違いを利用して、AIの開発における大きな課題である安定性-可塑性ジレンマを克服できる。アルゴリズムは新しい情報に適応するのに苦労し、適応すると、すでに学習した情報や経験を忘れてしまうことがある。科学者が習慣化できる材料を作成できれば、不要な情報を無視または忘れるように教えることができ、さらに安定性を実現できる。一方、感作化はシステムを新しい情報を記憶して取り込むように訓練でき、可塑性を可能にする。

「AIは、新しい情報を学習して保存するのに苦労し、すでに保存されている情報を上書きしてしまうことがある」とロドルカスは言う。「安定性が不足するとAIは学習できないが、可塑性が過剰になると、記憶の喪失を引き起こす」

研究チームによると、新しい研究の利点の1つは、ニッケル酸化物デバイスの小さなサイズである。

「これまでの電子機器では、大量のトランジスタを使用せずにこのような学習は実現できなかった」とロドルカスは説明する。「単一の接合システムは、これらの特性を示す最小のシステムであり、ニューロモルフィック回路の開発には大きな影響を与える」