Các nhà nghiên cứu mô phỏng chiến lược của sên biển trong vật liệu lượng tử

Các nhà nghiên cứu tại Đại học Purdue đã phát hiện ra rằng một vật liệu có thể mô phỏng các tính năng thông minh quan trọng nhất của sên biển. Điều này có thể giúp họ xây dựng phần cứng mà sẽ làm cho trí tuệ nhân tạo (AI) trở nên hiệu quả và đáng tin cậy hơn, điều này có thể ảnh hưởng đến nhiều lĩnh vực như xe tự hành, rô-bốt phẫu thuật và thuật toán mạng xã hội.

Nghiên cứu này đã được công bố trên Tạp chí Khoa học Quốc gia. Nó được dẫn dắt bởi một nhóm các nhà nghiên cứu từ Đại học Purdue, Đại học Georgia, Đại học Rutgers và Phòng thí nghiệm Quốc gia Argonne.

Shriram Ramanathan là giáo sư kỹ thuật vật liệu tại Đại học Purdue.

“Thông qua việc nghiên cứu sên biển, các nhà khoa học thần kinh đã phát hiện ra các dấu hiệu của trí thông minh mà là cơ bản đối với sự sống còn của bất kỳ sinh vật nào,” Ramanathan nói. “Chúng tôi muốn tận dụng trí thông minh trưởng thành trong động vật để đẩy nhanh sự phát triển của AI.”

Học hỏi từ sên biển

Các nhà khoa học thần kinh đã học được hai dấu hiệu chính của trí thông minh từ sên biển: làm quen và nhạy cảm hóa. Làm quen xảy ra khi một thứ gì đó hoặc một người nào đó trở nên quen thuộc với một kích thích theo thời gian, trong khi nhạy cảm hóa là khi một thứ gì đó hoặc một người nào đó phản ứng mạnh mẽ với một kích thích mới.

Một trong những vấn đề lớn với AI là “nghịch lý ổn định-plasticity”, xảy ra khi AI gặp khó khăn trong việc học và lưu trữ thông tin mới mà không ghi đè lên thông tin hiện có. Với làm quen, AI có thể “quên” thông tin không cần thiết để trở nên ổn định hơn. Đồng thời, nhạy cảm hóa có thể giúp nó giữ lại thông tin mới và quan trọng, điều này cho phép plasticity.

Thể hiện các chiến lược trong oxit nickel

Các nhà nghiên cứu đã có thể thể hiện cả làm quen và nhạy cảm hóa trong oxit nickel, một vật liệu lượng tử do các tính chất của nó không thể giải thích được bằng vật lý cổ điển. Nếu một vật liệu lượng tử có thể sử dụng thành công các hình thức học này, nó có thể có thể xây dựng AI trực tiếp vào phần cứng. AI có thể thực hiện các nhiệm vụ phức tạp hơn trong khi sử dụng ít năng lượng hơn nếu nó có thể hoạt động thông qua cả phần cứng và phần mềm.

“Chúng tôi cơ bản mô phỏng các thí nghiệm được thực hiện trên sên biển trong vật liệu lượng tử để hiểu cách các vật liệu này có thể được sử dụng cho AI,” Ramanathan nói.

Sên biển thể hiện làm quen khi chúng ngừng rút gills của mình nhiều hơn, điều này là phản ứng với việc bị mắc kẹt trên siphon. Một cú sốc điện đến đuôi của sên biển khiến gills rút lại nhiều hơn, điều này là nhạy cảm hóa.

Để tái tạo lại điều này trong oxit nickel, phải có một sự thay đổi lớn trong điện trở. Bằng cách tiếp xúc vật liệu với khí hydro nhiều lần, sự thay đổi điện trở của oxit nickel giảm theo thời gian. Tuy nhiên, khi một kích thích mới như ozone được giới thiệu, sự thay đổi điện trở tăng lên đáng kể.

Nhóm nghiên cứu đã xem xét những phát hiện này và một nhóm do Kaushik Roy, giáo sư kỹ thuật điện và điện tử tại Đại học Purdue, dẫn đầu đã mô hình hóa hành vi của oxit nickel. Họ xây dựng một thuật toán có thể sử dụng các chiến lược làm quen và nhạy cảm hóa để phân loại các điểm dữ liệu thành các cụm.

“Nghịch lý ổn định-plasticity không được giải quyết hoàn toàn. Nhưng chúng tôi đã chỉ ra một cách để giải quyết nó dựa trên hành vi mà chúng tôi đã quan sát trong một vật liệu lượng tử,” Roy nói. “Nếu chúng tôi có thể biến một vật liệu học như này thành phần cứng trong tương lai, thì AI có thể thực hiện các nhiệm vụ một cách hiệu quả hơn.”

Để điều này trở nên hữu ích và thực tế, các nhà nghiên cứu phải tìm ra cách áp dụng các chiến lược này trong các hệ thống lớn, cũng như xác định cách một vật liệu có thể phản ứng với các kích thích trong khi nó được tích hợp vào một con chip máy tính.