Điện giúp tìm ra vật liệu có thể “học”

Một nhóm các nhà khoa học tại Phòng thí nghiệm Quốc gia Argonne đã quan sát được một vật liệu không sống bắt chước hành vi liên quan đến việc học, điều mà họ cho rằng có thể dẫn đến các hệ thống trí tuệ nhân tạo (AI) tốt hơn.

Bài báo mô tả nghiên cứu này đã được xuất bản trên Hệ thống Thông minh Tiên tiến.

Nhóm nghiên cứu này đang hướng tới việc phát triển thế hệ siêu máy tính tiếp theo và đang tìm kiếm cảm hứng từ não bộ con người.

Vật liệu Không Sinh học Với Hành vi Giống như Học

Các nhà nghiên cứu đang tìm cách tạo ra máy tính lấy cảm hứng từ não bộ thường tìm kiếm các vật liệu không sinh học có thể gợi ý về hành vi giống như học. Những vật liệu này có thể được sử dụng để xây dựng phần cứng có thể kết hợp với các thuật toán phần mềm mới, cho phép AI tiết kiệm năng lượng hơn.

Nghiên cứu mới này được dẫn đầu bởi các nhà khoa học từ Đại học Purdue. Họ đã暴露 ôxít nickel thiếu ôxy với các xung điện ngắn và thu được hai phản ứng điện khác nhau tương tự như học. Theo giáo sư Shriram Ramanathan của Đại học Rutgers, người từng là giáo sư tại Đại học Purdue vào thời điểm nghiên cứu, họ đã tạo ra một hệ thống hoàn toàn được điều khiển bằng điện, thể hiện hành vi học.

Đội nghiên cứu đã dựa vào các nguồn lực của Nguồn Photon Tiên tiến (APS), một cơ sở của Văn phòng Khoa học Bộ Năng lượng Hoa Kỳ (DOE) tại Phòng thí nghiệm Quốc gia Argonne.

Làm quen và Cảm nhận

Phản ứng đầu tiên xảy ra là làm quen, điều này xảy ra khi vật liệu trở nên quen thuộc với việc bị kích thích điện nhẹ. Mặc dù điện trở của vật liệu tăng sau một xung ban đầu, các nhà nghiên cứu lưu ý rằng nó đã quen với kích thích điện.

Fanny Rodolakis là một nhà vật lý và nhà khoa học đường dây tại APS.

“Làm quen giống như khi bạn sống gần một sân bay,” Rodolakis nói. “Ngày bạn chuyển đến, bạn nghĩ ‘tiếng ồn à’, nhưng sau đó bạn hầu như không còn để ý nữa.”

Phản ứng thứ hai mà vật liệu thể hiện là cảm nhận, xảy ra khi một liều điện lớn hơn được đưa ra.

“Với một kích thích lớn hơn, phản ứng của vật liệu tăng lên thay vì giảm theo thời gian,” Rodolakis nói. “Điều này giống như khi bạn xem một bộ phim kinh dị, và sau đó có ai đó nói ‘boo!’ từ phía sau góc – bạn sẽ thấy nó nhảy lên.”

“Hầu như tất cả các sinh vật sống đều thể hiện hai đặc điểm này,” Ramanathan tiếp tục. “Chúng thực sự là một khía cạnh cơ bản của trí thông minh.”

Hai hành vi này được kiểm soát bởi các tương tác lượng tử xảy ra giữa các electron. Những tương tác này không thể được mô tả bằng vật lý cổ điển và chúng đóng vai trò trong việc tạo thành cơ sở cho một chuyển pha trong vật liệu.

“Một ví dụ về chuyển pha là chất lỏng trở thành chất rắn,” Rodolakis nói. “Vật liệu chúng tôi đang xem xét đang ở ranh giới, và các tương tác cạnh tranh đang diễn ra ở mức điện tử có thể dễ dàng bị nghiêng một cách này hay cách khác bởi các kích thích nhỏ.”

Theo Ramanathan, điều quan trọng là phải có một hệ thống có thể được kiểm soát hoàn toàn bằng tín hiệu điện.

“Khả năng điều khiển vật liệu theo cách này sẽ cho phép phần cứng đảm nhận một số trách nhiệm về trí thông minh,” ông nói. “Sử dụng các tính chất lượng tử để đưa trí thông minh vào phần cứng đại diện cho một bước quan trọng hướng tới tính toán tiết kiệm năng lượng.”

Overcoming Stability-Plasticity Dilemma

Các nhà khoa học có thể sử dụng sự khác biệt giữa làm quen và cảm nhận để vượt qua nghịch cảnh ổn định-plasticity, một thách thức lớn trong việc phát triển AI. Các thuật toán thường gặp khó khăn khi thích nghi với thông tin mới, và khi chúng làm như vậy, chúng thường quên một số kinh nghiệm trước đó hoặc những gì chúng đã học. Nếu các nhà khoa học tạo ra một vật liệu có thể làm quen, họ có thể dạy nó bỏ qua hoặc quên thông tin không cần thiết và đạt được sự ổn định bổ sung. Mặt khác, cảm nhận có thể huấn luyện hệ thống nhớ và tích hợp thông tin mới, cho phép plasticity.

“AI thường gặp khó khăn khi học và lưu trữ thông tin mới mà không ghi đè thông tin đã được lưu trữ,” Rodolakis nói. “Quá nhiều sự ổn định ngăn cản AI học, nhưng quá nhiều plasticity có thể dẫn đến việc quên lãng thảm khốc.”

Theo nhóm nghiên cứu, một trong những lợi thế lớn của nghiên cứu mới này liên quan đến kích thước nhỏ của thiết bị ôxít nickel.

“Loại học này trước đây chưa từng được thực hiện trong thế hệ điện tử hiện tại mà không cần một số lượng lớn transistor,” Rodolakis giải thích. “Hệ thống một mối nối là hệ thống nhỏ nhất cho đến nay để thể hiện các tính chất này, điều này có ý nghĩa lớn cho sự phát triển có thể của mạch thần kinh mô phỏng.”