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）算法开发产生重大影响。

该研究发表在《PNAS》杂志上。PNAS。

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的新算法可以被开发，以适应不确定性、矛盾和我们日常生活中其他类似的方面。神经形态计算建立人工神经系统以传输模拟大脑信号的电信号，并且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得到了普渡大学、佐治亚大学和阿贡国家实验室的同事的加入。

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）在其环境被多次改变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外部刺激（如氧、臭氧和光）来调节原子缺陷的浓度，”Mandal 说。“我们研究了这种材料在我们用氧或氢掺杂系统时的行为，以及外部刺激如何改变材料的电子特性。”

研究人员的一项发现是，当气体刺激迅速变化时，材料无法完全响应。相反，它保持在两个环境中的不稳定状态，同时其响应开始降低。

研究人员然后引入了一种像臭氧一样的刺激，材料的响应更强，然后再次降低。

“我们结果中最有趣的部分是，它展示了我们通常在生物体中发现的普遍学习特征，例如习惯化和敏化，”Mandal 说。“这些材料特性反过来可以激发人工智能的新算法。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的电子的集体行为也可以在未来做到这一点。

“人工智能日益增长的领域需要能够承载超出今天计算机使用的自适应内存特性的硬件，”他继续说。“我们发现，历史上一直被限制在学术追求中的氧化镍绝缘体，可能是未来脑启发式计算机和机器人中有趣的候选物。”