Rețeaua Artificială de Nanofire Actează Ca Creierul atunci Când Este Stimulată Electric

Oamenii de știință de la Universitatea din Sydney și Institutul Național Japonez pentru Știința Materialelor (NIMS) au descoperit cum să creeze o rețea artificială de nanofire care să acționeze într-un mod similar cu creierul atunci când este stimulată electric.

Studiul a fost publicat în Nature Communications.

Echipa internațională a fost condusă de Joel Hochstetter, care a fost alături de profesorul Zdenka Kuncic și profesorul Tomonobu Nakayama.

Echipa a descoperit că pot menține o rețea de nanofire într-o stare similară cu creierul “la limita haosului” pentru a efectua sarcini la un nivel optim.

Conform cercetătorilor, acest lucru sugerează că natura fundamentală a inteligenței neuronale este fizică și ar putea duce la noi dezvoltări în inteligența artificială.

Joel Hochstetter este un candidat doctoral la Institutul de Nanotehnologie și Școala de Fizică a Universității din Sydney și autorul principal al lucrării.

“Am folosit fire de 10 micrometri lungime și nu mai groase de 500 de nanometri, dispuse aleatoriu pe un plan bidimensional”, a spus Hochstetter.

“În locurile în care firele se suprapun, ele formează o joncțiune electrochimică, similară cu sinapsele dintre neuroni”, a spus el. “Am descoperit că semnalele electrice trecute prin această rețea găsesc automat cel mai bun traseu pentru transmiterea informațiilor. Și această arhitectură permite rețelei să ‘își amintească’ drumurile anterioare prin sistem.”

Testarea Rețelei de Nanofire

Echipa de cercetare a folosit simulări pentru a testa rețeaua de nanofire aleatorie, pentru a învăța cum poate funcționa și rezolva sarcini simple.

Oricând semnalul care stimula rețeaua era prea slab, drumul nu producea ieșiri suficient de complexe, deoarece erau prea previzibile. Pe de altă parte, dacă rețeaua era copleșită de semnal, ieșirea era prea haotică.

Acest lucru a însemnat că semnalul optim era la limita acestui stat haotic, conform echipei.

Profesorul Kuncic este de la Universitatea din Sydney.

“Unele teorii din neuroștiință sugerează că mintea umană ar putea funcționa la această limită a haosului, sau ceea ce se numește starea critică”, a spus profesorul Kuncic. “Unii neuroștiințifici cred că este în acest stat în care atingem performanța maximă a creierului.”

“Ce este atât de interesant despre acest rezultat este că sugerează că aceste tipuri de rețele de nanofire pot fi reglate în regimuri cu dinamici colective similare cu creierul, care pot fi folosite pentru a optimiza procesarea informațiilor”, a continuat ea.

Rețeaua de nanofire poate încorpora memoria și operațiunile într-un singur sistem, datorită joncțiunilor dintre fire. Acest lucru este diferit de calculatoarele standard, care se bazează pe memorie și operațiuni separate.

“Aceste joncțiuni acționează ca tranzistoare de calculator, dar cu proprietatea suplimentară de a-și aminti că semnalele au călătorit pe această cale anterior. Prin urmare, ele sunt numite ‘memristoare'”, a spus Hochstetter.

Memoria este sub formă fizică, cu joncțiunile de la punctele de intersecție dintre nanofire acționând ca întrerupătoare. Comportamentul lor depinde de răspunsul istoric la semnale electrice, iar atunci când semnalele sunt aplicate pe joncțiuni, acestea sunt activate ca curentul trece prin ele.

“Acest lucru creează o rețea de memorie în cadrul sistemului de nanofire aleatoriu”, a spus el.

Echipa a dezvoltat o simulare a rețelei fizice pentru a demonstra capacitatea sa de a rezolva sarcini foarte simple.

“Pentru acest studiu, am antrenat rețeaua pentru a transforma o undă simplă în tipuri de unde mai complexe”, a spus Hochstetter.

Echipa a ajustat amplitudinea și frecvența semnalului electric pentru a vedea unde are loc cea mai bună performanță.

“Am descoperit că, dacă împingem semnalul prea lent, rețeaua face același lucru de mai multe ori, fără a învăța și a se dezvolta. Dacă îl împingem prea tare și prea repede, rețeaua devine eratică și imprevizibilă”, a spus el.

Avantajele în Lumea Reală

Conform profesorului Kuncic, unirea memoriei și operațiunilor are beneficii majore pentru inteligența artificială.

“Algoritmii necesari pentru antrenarea rețelei pentru a ști care joncțiune ar trebui să primească ‘încărcătura’ sau greutatea informației consumă o cantitate mare de putere”, a spus ea.

“Sistemele pe care le dezvoltăm elimină nevoia de astfel de algoritmi. Pur și simplu permitem rețelei să-și dezvolte propria greutate, ceea ce înseamnă că nu trebuie să ne îngrijorăm decât de semnalul de intrare și de ieșire, un cadru numit ‘calcul de rezervor’. Greutățile rețelei sunt autoadaptabile, ceea ce poate elibera cantități mari de energie.”

Kuncic spune că acest lucru înseamnă că sistemele viitoare de inteligență artificială care se bazează pe aceste rețele vor avea o amprentă energetică mult mai mică.