研究人员发现合成物质可以模拟学习

罗格斯大学的研究人员发现，合成物质可以模拟学习。学习是智能的一个关键特征，这一新发现可能对人工智能（AI）算法的开发产生重大影响。

该研究发表在《美国国家科学院院刊》（PNAS）上。

人类的基本特征

人类学习的基本特征一直是许多人工智能技术开发的灵感来源，它使得人工智能能够适应不断变化的条件和环境。然而，人工智能通常专注于模拟人类的逻辑。研究人员的新发现为在可以学习、记忆和做出类似人类和大脑的决定的设备中模拟人类认知提供了一条途径。

通过在固态中创建这一点，人工智能和神经形态计算可以开发出新的算法，以解决不确定性、矛盾和其他日常生活中的方面。神经形态计算建立人工神经系统来传输模拟大脑信号的电信号，它这样做是为了模拟人类大脑的整体神经结构和操作。

罗格斯大学的研究人员与普渡大学、佐治亚大学和阿贡国家实验室的同事合作。

氧化镍的作用

研究人员一起研究了氧化镍（一种特殊的绝缘材料）在其环境改变多次后在不同时间间隔内的电导率如何响应。

Subhashish Mandal 是罗格斯大学新布朗斯维克分校物理和天文学系的博士后研究员。

“我们的目标是找到一种材料，其电导率可以通过调节原子缺陷的浓度来调节外部刺激，如氧气、臭氧和光，”Mandal 说。“我们研究了当我们用氧气或氢气掺杂该系统时该材料的行为，以及外部刺激如何改变材料的电子特性。”

研究人员的发现之一是，当气体刺激快速变化时，材料无法完全响应。相反，它在两个环境中保持不稳定状态，其响应开始减少。

然后，研究人员引入了一种像臭氧一样的刺激，材料的响应更强，然后再次减少。

“我们结果中最有趣的部分是，它展示了通常在活体中发现的普遍学习特征，如习惯化和敏化，”Mandal 说。“这些材料特性反过来可以激发新的人工智能算法。就像鸟或鱼的集体运动激发了人工智能一样，我们相信量子固体中电子的集体行为在未来也可以做到这一点。

“人工智能的发展需要能够承载超出当前计算机使用的自适应内存特性的硬件，”他继续说。“我们发现，氧化镍绝缘体在历史上一直被限制在学术追求中，可能是未来用于脑启发式计算机和机器人测试的有趣候选者。