可以调整纳米线的人造网络以应对大脑

研究人员来自悉尼大学和日本国家物质科学研究所(NIMS)已经确定了纳米线的人造网络,其可以调节以在电刺激上以脑的方式反应。

可以调整纳米线的人造网络以响应大脑。
艺术家在物理纳米铁网络的光学显微照片旁边的神经网络(左)的印象。图像信用:Adrian Diaz-Alvarez / Nims Japan(用于纳米线图像)。

由Joel Hochstetter和Zdenka Kuncic教授和Tomonobu Nakayama教授领导的国际研究团队观察到,当纳米线网络在“在混乱边缘的脑状态”中,它在最佳水平下进行了任务。

据研究人员称,这表明中性智力的基本性质是物理的,这一发现提出了开发人工智能的新的令人兴奋的机会。

该研究最近发表在自然通信杂志。

我们使用的电线10微型测量仪长,在二维平面上随机布置不到500纳米。

Joel Hochstetter,悉尼大学纳米学院和物理学学院学习牵头作者和博士候选者。

“如果电线重叠,它们形成电化学结,如神经元之间的突触。我们发现通过该网络介绍的电气信号会自动找到发射信息的最佳路线。此架构允许网络通过系统“记住”以前的途径,“Hochstetter添加了。

在混乱的边缘

在仿真的帮助下,团队测试了一个任意纳米线网络,以确定如何理想地执行解决基本任务。

如果模拟网络的信号太弱,则意味着途径太有序和可预测,并且未能产生足够的复杂输出,这些输出将被认为是有用的。但是,如果网络被电信号淹没,则输出将完全混乱并且无用的问题解决。用于在这种混沌状态的边缘处形成有用输出的理想信号。

神经科学的一些理论表明人类的思想可以在混乱的这个边缘处运行,或者被称为临界状态。一些神经科学家认为这是在我们实现最大脑力的状态。

Zdenka kuncic,悉尼大学教授

Kuncic教授也是Hochstetter先生的博士顾问,目前是加利福尼亚大学的洛杉矶大学的富布赖特学者,在人工智能和纳米科学之间工作。

“这一结果是如此令人兴奋的是,它表明这些类型的纳米线网络可以通过多样化的脑的集体动态调整,可以利用来优化信息处理”教授“教授kuncic补充道。

克服计算机二元性

在纳米线网络内,电线之间的连接使系统能够将操作和存储器集成到单个系统中。这与标准计算机不同,通常具有单独的操作(CPU)和内存(RAM)。

“这些连接点类似于计算机晶体管,但额外的财产记住以前的途径已经行动。因此,他们被称为“忆内忆”,“先生补充说Hochstetter。

这种记忆采用物理形式,其中纳米线之间的交叉点处的交叉点的结用如开关。此行为取决于交换机之前对电信号的响应。在将信号施加在这些连接点上,通过允许电流流过,使非常小的银色长丝生长并激活连接点。

“这在纳米线的随机系统内创建了一个内存网络,”添加了Hochstetter先生。

与他的团队一起,Hochstetter先生已经建立了一种物理网络的模拟,以展示如何培训它们以解决非常基本的任务。

“对于这项研究,我们训练了网络,将一个简单的波形转换为更复杂的波形类型,”添加了Hochstetter先生。

在模拟中,研究人员调整了电信号的频率和幅度,以观察到最佳性能的位置。

Hochstetter先生进一步添加了,“我们发现,如果您将信号推慢缓慢,网络在没有学习和发展的情况下,网络就在一遍又一遍地。如果我们推动过来很难,网络变得不稳定和不可预测。“

悉尼大学的研究人员正在与日本新闻尼姆的新尼斯国际纳米建筑学中心的同事密切合作,昆明昆明教授也是一名访问富布赖特学者。

新的纳米线系统是在NIMS和UCLA设计的,Hochstetter先生设计了分析,与研究共同作者和博士生,Ruomin Zhu和Alon Loeffler一起工作。

减少能量消耗

根据昆榜教授的说法,内存和运营的结合对即将到来的人工智能发展具有巨大的实际利益。

需要训练网络所需的算法知道应该符合哪个交界处适当的“负载”或信息重量咀嚼很多功率。我们正在开发的系统,避免对此类算法的需求。

Zdenka kuncic,悉尼大学教授

“我们只是允许网络发展自己的加权,这意味着我们只需要担心信号中的信号并发出信号,这是一个称为'储层计算'的框架。网络权重是自适应的,可能释放大量能量,“添加了Kuncic教授。

这意味着使用这些网络的任何即将到来的人工智能系统将具有相对较低的能量占用脚印,总结Kuncic教授。

期刊参考:

Hochstetter.,J.,等等。(2021)神经形态纳米线网络中的雪崩和边缘学习。自然通信。doi.org/10.1038/s41467-021-24260-z。

来源:https://www.sydney.edu.au/

告诉我们你的想法

您是否有审核,更新或您想要添加此新闻故事的任何内容?

留下您的反馈意见
提交