Forskare imiterar havsnyckelstrategier i kvantmaterial

Forskare vid Purdue University har upptäckt att ett material kan imitera de viktigaste intelligensfunktionerna hos en havsnyckel. Detta kan hjälpa dem att bygga hårdvara som gör AI mer effektiv och tillförlitlig, vilket kan påverka många områden som autonoma fordon, kirurgiska robotar och sociala mediealgoritmer.

Studien publicerades i Proceedings of the National Academy of Sciences. Den leddes av ett team av forskare från Purdue University, University of Georgia, Rutgers University och Argonne National Laboratory.

Shriram Ramanathan är en professor i materialteknik vid Purdue.

“Genom att studera havsnycklar har neurovetenskapsmän upptäckt de grundläggande kännetecknen på intelligens som är avgörande för en organisms överlevnad”, sa Ramanathan. “Vi vill utnyttja den mogna intelligensen hos djur för att påskynda utvecklingen av AI.”

Att lära av havsnycklar

Neurovetenskapsmän har lärt sig två huvudsakliga tecken på intelligens från havsnycklar: habituering och sensitisering. Habituering sker när något eller någon vänjer sig vid en stimulus över tid, medan sensitisering sker när något eller någon reagerar kraftigt på en ny stimulus.

Ett av de stora problemen med AI är “stabilitets-plasticitetsdilemmat”, som uppstår när AI har svårt att lära sig och lagra ny information utan att skriva över befintlig information. Med habituering kan AI “glömma” obehövlig information för att bli mer stabil. Samtidigt kan sensitisering hjälpa det att behålla ny och viktig information, vilket möjliggör plasticitet.

Att demonstrera strategierna i nickeloxid

Forskarna kunde demonstrera både habituering och sensitisering i nickeloxid, som är ett kvantmaterial på grund av dess egenskaper som inte kan förklaras av klassisk fysik. Om ett kvantmaterial kunde använda dessa former av inlärning, skulle det vara möjligt att bygga AI direkt in i hårdvaran. AI kunde utföra mer komplexa uppgifter medan det använder mindre energi om det kunde operera genom både hårdvara och programvara.

“Vi har i princip imiterat experiment som gjorts på havsnycklar i kvantmaterial för att förstå hur dessa material kan vara av intresse för AI”, sa Ramanathan.

Havsnycklar demonstrerar habituering när de slutar dra tillbaka sina gälar så mycket, vilket är en reaktion på att bli fångad på sifonen. En elektrisk stöt till svansen på en havsnyckel orsakar att gälarna dras tillbaka mer dramatiskt, vilket är sensitisering.

För att reproducera detta i nickeloxid måste det finnas en ökad förändring i elektriskt motstånd. Genom att upprepat exponera materialet för vätgas minskar nickeloxids förändring i elektriskt motstånd över tid. Men när en ny stimulus som ozon introduceras, ökar förändringen i elektriskt motstånd kraftigt.

Forskningsgruppen tog dessa fynd i beaktande, och ett team lett av Kaushik Roy, Purdues Edward G. Tiedemann Jr. Distinguished Professor of Electrical and Computer Engineering, modellerade nickeloxids beteende. De byggde en algoritm som kunde använda habituerings- och sensitiseringstrategierna för att kategorisera datapunkter i kluster.

“Stabilitets-plasticitetsdilemmat är inte alls löst. Men vi har visat ett sätt att hantera det baserat på beteende som vi har observerat i ett kvantmaterial”, sa Roy. “Om vi kunde vända ett material som lär sig på det här sättet till hårdvara i framtiden, då kunde AI utföra uppgifter mycket mer effektivt.”

För att detta ska vara användbart och praktiskt måste forskarna ta reda på hur de kan tillämpa dessa strategier i storskaliga system, samt bestämma hur ett material kan reagera på stimuli medan det integreras i en datorchip.