人工纳米线网络在电刺激下表现出类似大脑的行为

悉尼大学和日本国家材料科学研究所（NIMS）的科学家们发现了如何使人工纳米线网络在电刺激下表现出类似大脑的行为。

该研究发表在 Nature Communications上。

该国际团队由Joel Hochstetter领导，他与悉尼大学的Zdenka Kuncic教授和日本国家材料科学研究所的Tomonobu Nakayama教授合作。

该团队发现，他们可以保持纳米线网络在“混乱边缘”的状态下，以最佳水平执行任务。

根据研究人员的说法，这表明神经智能的根本性质是物理的，这可能会导致人工智能的新发展。

Joel Hochstetter是悉尼大学纳米技术研究所和物理学系的博士生，也是该论文的第一作者。

“我们使用了10微米长、厚度不超过500纳米的纳米线，随机排列在二维平面上，”Hochstetter说。

“在纳米线交叉点处形成了电化学接头，类似于神经元之间的突触，”他说。“我们发现，电信号通过该网络自动找到最佳路径来传输信息。这种架构使得网络能够‘记住’之前的路径。”

测试纳米线网络

研究团队使用模拟来测试随机纳米线网络，以了解它如何最佳地执行和解决简单任务。

当刺激网络的信号太低时，路径不会产生足够复杂的输出，因为它们太可预测了。另一方面，如果网络被信号淹没，输出就会太混乱。

这意味着最佳信号是在这种混乱状态的边缘，根据团队的说法。

Kuncic教授来自悉尼大学。

“一些神经科学理论认为，人类大脑可能在这种混乱边缘或称为临界状态下运行，”Kuncic教授说。“一些神经科学家认为，在这种状态下，我们可以实现最大的大脑性能。”

“这项研究的结果如此令人兴奋，因为它表明，这种类型的纳米线网络可以被调节到具有多样、类似大脑的集体动力学的状态，这可以被利用来优化信息处理，”她继续说。

由于纳米线之间的接头，纳米线网络能够将记忆和操作合并到一个系统中。这与标准计算机不同，标准计算机依赖于分离的记忆和操作。

“这些接头的行为类似于计算机晶体管，但具有记住信号之前已经走过这条路径的额外属性。因此，它们被称为‘记忆电阻’，”Hochstetter说。

记忆是通过纳米线交叉点处的接头形成的，它们的行为取决于历史响应电信号。当信号被应用于接头时，它们被激活，因为电流通过它们。

“这在随机的纳米线系统中创建了一个记忆网络，”他说。

该团队开发了物理网络的模拟，以展示其解决简单任务的能力。

“在这项研究中，我们训练了网络将一个简单的波形转换为更复杂的波形，”Hochstetter说。

该团队调整了电信号的幅度和频率，以确定最佳性能发生的位置。

“我们发现，如果信号推动太慢，网络只会重复做同一件事，而不会学习和发展。如果我们推动得太快太强，网络就会变得混乱和不可预测，”他说。

现实世界的优势

根据Kuncic教授的说法，将记忆和操作合并具有重大的好处，可以应用于人工智能。

“训练网络以了解哪个接头应被赋予适当的‘负载’或信息权重所需的算法会消耗大量的功率，”她说。

“我们正在开发的系统消除了对这些算法的需求。我们只允许网络开发自己的权重，这意味着我们只需要关心信号输入和输出，这被称为‘储备计算’。网络权重是自适应的，这可能会释放大量的能量。”

Kuncic说，这意味着未来依赖这些网络的人工智能系统将具有更低的能耗。