Mạng lưới Nanowire Nhân tạo Hành động Giống Não Bộ Khi Được Kích thích Điện

Các nhà khoa học tại Đại học Sydney và Viện Khoa học Vật liệu Quốc gia Nhật Bản (NIMS) đã khám phá ra cách tạo ra một mạng lưới nanowire nhân tạo hoạt động giống não bộ khi được kích thích điện.

Nghiên cứu này được công bố trên Nature Communications.

Đội ngũ nghiên cứu quốc tế do Joel Hochstetter dẫn đầu, cùng với Giáo sư Zdenka Kuncic và Giáo sư Tomonobu Nakayama.

Đội ngũ đã phát hiện ra rằng họ có thể giữ một mạng lưới nanowire ở trạng thái giống não bộ “ở rìa của sự hỗn loạn” để thực hiện các nhiệm vụ ở mức tối ưu.

Theo các nhà nghiên cứu, điều này gợi ý rằng bản chất cơ bản của trí thông minh thần kinh là vật lý, và nó có thể dẫn đến những phát triển mới trong trí tuệ nhân tạo.

Joel Hochstetter là một ứng viên tiến sĩ tại Viện Nano và Trường Vật lý của Đại học Sydney và là tác giả chính của bài báo.

“Chúng tôi sử dụng dây dẫn 10 micromet dài và không dày hơn 500 nanomet, sắp xếp ngẫu nhiên trên một mặt phẳng hai chiều,” said Hochstetter.

“Ở nơi dây dẫn chồng lên nhau, chúng tạo thành một mối nối điện hóa, giống như synap giữa các neuron,” ông nói. “Chúng tôi phát hiện ra rằng tín hiệu điện đưa qua mạng lưới này tự động tìm ra con đường tốt nhất để truyền tải thông tin. Và kiến trúc này cho phép mạng lưới ‘nhớ’ các đường dẫn trước đó qua hệ thống.”

Thử nghiệm Mạng lưới Nanowire

Đội ngũ nghiên cứu đã sử dụng mô phỏng để thử nghiệm mạng lưới nanowire ngẫu nhiên nhằm tìm hiểu cách nó có thể hoạt động tốt nhất và giải quyết các nhiệm vụ đơn giản.

Khi tín hiệu kích thích mạng lưới quá thấp, đường dẫn không tạo ra đầu ra phức tạp đủ vì chúng quá dự đoán được. Mặt khác, nếu mạng lưới bị quá tải bởi tín hiệu, đầu ra quá hỗn loạn.

Điều này có nghĩa là tín hiệu tối ưu nằm ở rìa của trạng thái hỗn loạn này, theo đội ngũ.

Giáo sư Kuncic thuộc Đại học Sydney.

“Một số lý thuyết trong khoa học thần kinh gợi ý rằng tâm trí con người có thể hoạt động ở rìa của sự hỗn loạn, hoặc trạng thái quan trọng,” said Giáo sư Kuncic. “Một số nhà khoa học thần kinh nghĩ rằng đó là trạng thái mà chúng ta đạt được hiệu suất não bộ tối đa.”

“Điều gì đó thú vị về kết quả này là nó gợi ý rằng những loại mạng lưới nanowire này có thể được điều chỉnh để đạt được các chế độ động lực học tập thể giống não bộ, có thể được tận dụng để tối ưu hóa việc xử lý thông tin,” cô tiếp tục.

Mạng lưới nanowire có thể kết hợp bộ nhớ và hoạt động vào một hệ thống duy nhất do các mối nối giữa dây dẫn. Điều này khác với máy tính tiêu chuẩn, которые dựa vào bộ nhớ và hoạt động riêng biệt.

“Những mối nối này hoạt động như transistor máy tính nhưng có thêm tính chất nhớ rằng tín hiệu đã đi qua đường dẫn trước đó. Do đó, chúng được gọi là ‘memristor’,” Hochstetter nói.

Bộ nhớ này ở dạng vật lý với các mối nối tại điểm giao nhau giữa dây dẫn nanowire hoạt động như các công tắc. Hành vi của chúng phụ thuộc vào phản ứng lịch sử với tín hiệu điện, và khi tín hiệu được áp dụng qua các mối nối, chúng được kích hoạt khi dòng điện chảy qua chúng.

“Điều này tạo ra một mạng lưới bộ nhớ trong hệ thống nanowire ngẫu nhiên,” ông nói.

Đội ngũ đã phát triển một mô phỏng của mạng lưới vật lý để chứng minh khả năng giải quyết các nhiệm vụ đơn giản.

“Để nghiên cứu này, chúng tôi đã đào tạo mạng lưới để chuyển đổi một dạng sóng đơn giản thành các dạng sóng phức tạp hơn,” Hochstetter nói.

Đội ngũ đã điều chỉnh biên độ và tần số của tín hiệu điện để tìm ra nơi có hiệu suất tốt nhất.

“Chúng tôi phát hiện ra rằng nếu bạn đẩy tín hiệu quá chậm, mạng lưới chỉ làm cùng một việc lặp đi lặp lại mà không học hỏi và phát triển. Nếu chúng tôi đẩy nó quá nhanh và mạnh, mạng lưới trở nên không ổn định và khó dự đoán,” ông nói.

Lợi thế Thực tế

Theo Giáo sư Kuncic, việc kết hợp bộ nhớ và hoạt động có lợi ích lớn cho trí tuệ nhân tạo.

“Các thuật toán cần thiết để đào tạo mạng lưới để biết mối nối nào nên được gán trọng số thông tin phù hợp sẽ tiêu tốn nhiều năng lượng,” cô nói.

“Các hệ thống chúng tôi đang phát triển loại bỏ nhu cầu về các thuật toán này. Chúng tôi chỉ cho phép mạng lưới phát triển trọng số của riêng nó, có nghĩa là chúng tôi chỉ cần quan tâm đến tín hiệu vào và tín hiệu ra, một khuôn khổ được gọi là ‘reservoir computing’. Trọng số của mạng lưới tự động điều chỉnh, có thể giải phóng một lượng năng lượng lớn.”

Kuncic nói rằng điều này có nghĩa là các hệ thống trí tuệ nhân tạo trong tương lai dựa trên các mạng lưới này sẽ có dấu chân năng lượng thấp hơn.