Elektrik, Öğrenme Benzeyen Davranışlara Sahip Olabilen Malzemelerin Bulunmasına Yardımcı Oluyor

Argonne Ulusal Laboratuvarı’ndaki bir grup bilim insanı, öğrenme ile ilgili davranışlar sergileyen canlı olmayan bir malzeme gözlemledi ve bu durumun daha iyi yapay zeka (AI) sistemlerine yol açabileceğini söyledi.

Çalışma, Advanced Intelligent Systems dergisinde yayımlandı.

Grup, next-generation süper bilgisayarları geliştirmeyi ve ilham için insan beynine bakmayı hedefliyor.

Öğrenme Benzeyen Davranışlara Sahip Olabilen Biyolojik Olmayan Malzemeler

Beynin ilham verdiği bilgisayarlar geliştirmeye çalışan araştırmacılar, öğrenme benzeyen davranışlar sergileyen biyolojik olmayan malzemelere sık sık başvuruyor. Bu malzemeler, yeni yazılım algoritmalarıyla birlikte kullanılabilir ve daha enerji verimli AI sistemlerine olanak tanıyabilir.

Yeni çalışma, Purdue Üniversitesi’nden bilim insanları tarafından yürütüldü. Araştırmacılar, oksijen eksikliği olan nikel oksidi kısa elektrik darbelerine maruz bıraktı ve öğrenme benzeyen iki farklı elektriksel tepki elde etti. Rutgers Üniversitesi’nden Profesör Shriram Ramanathan, o sırada Purdue Üniversitesi’nde profesör olan, tamamen elektrikle çalışan bir sistem geliştirdiklerini ve öğrenme davranışları sergilediklerini söyledi.

Araştırma ekibi, Advanced Photon Source (APS) kaynaklarını kullandı, APS, ABD Enerji Bakanlığı (DOE) Bilim Ofisi’nin Argonne Ulusal Laboratuvarı’ndaki bir tesisi.

Alışkanlık ve Duyarlılaşma

Malzeme, elektrikle slightly şok edildiğinde alışkanlık tepkisi verir. Malzemenin direnci, ilk şoktan sonra artar, ancak araştırmacılar malzemenin elektriksel stimülasyona alıştığını fark etti.

Fanny Rodolakis, APS’de bir fizikçi ve ışın hattı bilim insanı.

“Alışkanlık, havaalanının yanında yaşadığınız zaman gerçekleşen bir şey gibidir” diyor Rodolakis. “Taşıdığınız gün, ‘ne gürültü’ dersiniz, ancak sonunda artık hiç dikkat etmezsiniz.”

Malzeme, daha büyük bir elektrik dozu uygulandığında duyarlılaşma tepkisi gösterir.

“Daha büyük bir stimülasyonla, malzemenin tepkisi zamanla azalmak yerine artar” diyor Rodolakis. “Korkunç bir film izlerken ve ardından birinin size ‘boo!’ demesi gibi – gerçekten zıpladığını görürsünüz.”

“Şüphesiz, neredeyse tüm canlı organizmalar bu iki özelliği sergiler” diye devam ediyor Ramanathan. “Aslında zeka için gerçekten temel bir yönleridir.”

İki davranış, elektronlar arasındaki kuantum etkileşimleri tarafından kontrol edilir. Bu etkileşimler, klasik fizik tarafından açıklanamaz ve malzemenin bir faz geçişinin temelini oluşturmada rol oynar.

“Bir faz geçişi örneği, sıvının katı haline gelmesidir” diyor Rodolakis. “İnceliyor olduğumuz malzeme, sınırın üzerinde ve elektronik düzeyde gerçekleşen rekabetçi etkileşimler kolayca küçük stimülasyonlarla bir yöne veya diğerine kaydırılabilir.”

Ramanathan’a göre, tamamen elektriksel sinyallerle kontrol edilebilen bir sisteme sahip olmak çok önemlidir.

“Malzemeleri bu şekilde manipüle edebilmek, donanımın zeka için bazı sorumlulukları üstlenmesini sağlayacak” diyor. “Donanım içine zeka koymak için kuantum özelliklerini kullanmak, enerji verimli hesaplama için önemli bir adımdır.”

Stabilite-Plastisite İkilemini Aşmak

Bilim insanları, alışkanlık ve duyarlılaşma arasındaki farkı kullanarak, AI geliştirme中的 büyük bir zorluk olan stabilite-plastisite ikilemini aşabilir. Algoritmalar genellikle yeni bilgilere uyum sağlamakta zorlanırlar ve bunu yaptıklarında, önceki deneyimlerini veya öğrendiklerini unutabilirler. Bilim insanları, alışkanlık sergileyen bir malzeme yaratırlarsa, gereksiz bilgileri görmezden gelmesini veya unutturmasını öğretebilir ve ek stabilite sağlayabilir. Diğer yandan, duyarlılaşma, sistemi yeni bilgilere uyum sağlamasını ve bunları hatırlamasını öğretebilir, bu da plastisite sağlar.

“AI, genellikle yeni bilgileri depolamadan önce depolanmış olan bilgileri silmeden öğrenmekte ve depolamaktadır” diyor Rodolakis. “Çok fazla stabilite, AI’nin öğrenmesini engeller, ancak çok fazla plastisite, felaket niteliğinde unutmayı da beraberinde getirebilir.”

Ekibe göre, çalışmanın büyük avantajlarından biri, nikel oksit cihazının küçük boyutuydu.

“Bu tür bir öğrenme, şu anda mevcut elektroniklerde büyük sayıda transistör olmadan daha önce yapılmamıştı” diyor Rodolakis. “Tek bir bağlantı sistemi, bu özelliklere sahip olan en küçük sistem ve bu, nöromorfik devrelerin olası geliştirilmesi için büyük etkileri var.”