模拟大脑的纳米线网络可以激发人工智能的新设计

来源:众壹云 发布日期:2021-08-18 16:56

模拟大脑的纳米线网络可以激发人工智能的新设计

在从大量静态数据中挑选模式时,为当今领先的人工智能系统提供动力的神经网络可以大大优于人脑。但是,当可供学习的数据很少或数据流随时间动态变化时,它们往往会陷入困境。

这是人的大脑眼前一亮,虽然,这导致许多研究人员试图以借用它的一些设计原则,创造新的计算模式,被称为场神经形态计算。

而现在距离悉尼大学和日本国立材料科学的研究人员已经证明他们可以使用纳米线的无规网络复制的结构和对大脑的动态解决简单的处理任务。

“什么是如此令人兴奋的这个结果是,它表明,这些类型的纳米线网络的可调谐与多样,脑一样的集体动力学,它可以被利用来优化信息处理,政权”说,从Sydn大学兹登卡Kuncic EY在新闻稿中。

今天的深度神经网络已经模仿了大脑的一个方面:高度互连的神经元网络。但是人工神经元的行为与生物神经元非常不同,因为它们只执行计算。在大脑中,神经元还能够记住它们之前的活动,从而影响它们未来的行为。

这种内置的记忆是大脑如何处理信息的一个关键方面,神经形态工程的一个主要部分专注于尝试重新创建这种功能。这导致了所谓的“忆阻器”的广泛设计:其响应取决于它们所暴露的先前信号的电子元件。

在银纳米线相互重叠的连接处也发现了忆阻特性,这使它们成为神经形态工程师越来越受欢迎的目标。它们还有一个额外的好处,即它们可以自组装成复杂的网络——与大脑中发现的网络不同——忆阻连接有点像神经元之间的突触。

在一个Pape的r中自然通信,所述研究者描述了他们是如何创建纳米线10 micromete的无规网ř悠久和厚度不超过500个纳米,然后将它进行电刺激。

当电流通过网络时,忆阻结会打开和关闭,从而改变信号所走的路径。但是这种切换的模式因输入信号的强度而异。当信号低时,路径非常有序且可预测,但当信号高时,它们变得完全混乱。

为了测试这些动态是否可以用于信息处理,该团队创建了一个网络模拟,并试图教它如何执行简单的信号处理任务——将一种波形转换为另一种波形。

他们调整了输入的幅度和频率,看看这是否会影响性能,并发现当信号强度正好在将网络推入混乱状态的风口浪尖时,网络表现最佳。这一发现很有趣,因为有人推测人类大脑也在这种机制中运作。

“神经科学中的一些理论表明,人类的思维可以在这种混乱的边缘或所谓的临界状态下运作,”Kuncic 说。“一些神经科学家认为,正是在这种状态下,我们才能获得最大的大脑性能。”

另一个诱人的发现做出的研究人员娃s表示试图以最不同的波形之间转换时的“边的乱”的状态是最强大的。这与之前的结果相符,并表明虽然该方法对于简单的任务可能效率不高,但它特别适合更复杂的任务。

不过,要让这些纳米线网络与人类大脑的力量相匹敌,还有很长的路要走。研究人员设定的挑战非常简单,迄今为止仅在网络模拟中进行了演示,而不是在真实事物中进行了演示。这种“混乱边缘”状态在多大程度上是大脑工作方式的核心,也远未解决。