Мрежа вештачких наножица делује као мозак када је електрично стимулисана 

Научници са Универзитета у Сиднеју и Јапанског Националног института за науку о материјалима (НИМС) открили су како да натерају вештачку мрежу наножица да делује на начин попут мозга када је електрично стимулисана. 

Студија је објављена у Природа комуникације. 

Међународни тим предводио је Џоел Хохстетер, коме су се придружиле професорка Зденка Кунчић и професор Томонобу Накајама. 

Тим је открио да могу да држе мрежу наножица у стању налик мозгу „на ивици хаоса“ како би обављали задатке на оптималном нивоу. 

Према истраживачима, ово сугерише да је основна природа неуронске интелигенције физичка и да може довести до нових развоја вештачке интелигенције. 

Јоел Хоцхстеттер је докторант на Нано институту Универзитета у Сиднеју и Факултету физике и главни аутор рада.

„Користили смо жице дуге 10 микрометара и не дебље од 500 нанометара насумично распоређене на дводимензионалној равни“, рекао је Хохстетер.

„Тамо где се жице преклапају, оне формирају електрохемијски спој, попут синапси између неурона“, рекао је он. „Открили смо да електрични сигнали који пролазе кроз ову мрежу аутоматски проналазе најбољи пут за пренос информација. А ова архитектура омогућава мрежи да 'памти' претходне путеве кроз систем."

Тестирање Нановире мреже

Истраживачки тим је користио симулације за тестирање насумичне мреже наножица како би научио како најбоље може да обавља и решава једноставне задатке. 

Кад год је сигнал који стимулише мрежу био пренизак, пут није произвео довољно сложене излазе јер су били превише предвидљиви. С друге стране, ако је мрежа била преплављена сигналом, излаз је био превише хаотичан.

То је значило да је оптимални сигнал био на ивици овог хаотичног стања, према тиму.

Професор Кунчић је са Универзитета у Сиднеју. 

„Неке теорије у неуронауци сугеришу да би људски ум могао да функционише на овој ивици хаоса, или ономе што се зове критично стање“, рекао је професор Кунчић. „Неки неуронаучници мисле да у овом стању постижемо максималне перформансе мозга.

„Оно што је толико узбудљиво у вези са овим резултатом је то што сугерише да се ове врсте мрежа наножица могу подесити у режиме са разноликом колективном динамиком налик мозгу, која се може искористити за оптимизацију обраде информација“, наставила је она. 

Мрежа наножица је у стању да инкорпорира меморију и операције у један систем захваљујући спојевима између жица. Ово се разликује од стандардних рачунара који се ослањају на одвојену меморију и операције. 

„Ови спојеви се понашају као компјутерски транзистори, али са додатним својством памћења да су сигнали раније путовали тим путем. Као такви, они се зову 'мемристори'“, рекао је Хохстетер.

Меморија је у физичком облику са спојевима на тачкама укрштања између наножица које делују као прекидачи. Њихово понашање зависи од историјског одговора на електричне сигнале, а када се сигнали примењују преко спојева, они се активирају док струја тече кроз њих.

„Ово ствара меморијску мрежу унутар случајног система наножица“, рекао је он.

Тим је развио симулацију физичке мреже како би показао њену способност да решава веома једноставне задатке. 

„За ову студију обучили смо мрежу да трансформише једноставан таласни облик у сложеније типове таласних облика“, рекао је Хоцхстеттер.

Тим је подесио амплитуду и фреквенцију електричног сигнала како би видео где је најбољи учинак.

„Открили смо да ако гурате сигнал сувише споро, мрежа само ради исту ствар изнова и изнова без учења и развоја. Ако га превише гурамо и брзо, мрежа постаје нестална и непредвидива“, рекао је он.

Предности у стварном свету

Према речима професора Кунчића, спајање меморије и операција има велике предности за вештачку интелигенцију. 

„Алгоритми потребни за обуку мреже да зна којој спојници треба дати одговарајуће 'оптерећење' или тежину информација жваћу много енергије," рекла је она.

„Системи које развијамо уклањају потребу за таквим алгоритмима. Ми само дозвољавамо мрежи да развије сопствену тежину, што значи да треба да бринемо само о улазу и излазу сигнала, оквиру познатом као 'ресервоир цомпутинг'. Мрежне тежине су самоприлагодљиве, потенцијално ослобађајући велике количине енергије."

Кунчић каже да то значи да би будући системи вештачке интелигенције који се ослањају на ове мреже имали далеко мањи енергетски отисак.