纳米线的人工网络可以像大脑一样做出调整

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。
一幅神经网络的艺术家图像(左),旁边是一张物理纳米线网络的光学显微图。图片来源:Adrian Diaz-Alvarez/NIMS Japan(纳米线图片)。

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。

这项研究最近发表在自然通讯日报》。

我们使用10微米长、不超过500纳米的导线随机排列在一个二维平面上。

Joel Hochstetter,悉尼大学纳米研究所和物理学院的研究首席作者和博士候选人。

“导线重叠的地方,它们形成一个电化学连接,就像神经元之间的突触。我们发现,通过这个网络的电信号会自动找到传递信息的最佳路径。这种结构允许网络‘记住’之前通过系统的路径,”Hochstetter添加了。

在混乱的边缘

在模拟的帮助下,该团队测试了任意的纳米线网络,以确定如何使其理想地执行基本任务。

如果模拟网络的信号太弱,就意味着这些通路过于有序和可预测,无法产生足够复杂的有用输出。然而,如果网络被电信号淹没,输出就会完全混乱,对解决问题毫无用处。产生有用输出的理想信号位于这种混沌状态的边缘。

神经科学的一些理论认为,人类的大脑可以在这种混乱的边缘运行,或所谓的临界状态。一些神经学家认为,正是在这种状态下,我们的大脑才能发挥出最大的效能。

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。

“令人兴奋的是,这一结果表明,这些类型的纳米线网络可以调谐到不同的机制,类似大脑的集体动力,可以利用它优化信息处理,”教授kuncic补充道。

克服计算机二元性

在纳米线网络中,导线之间的接点使系统能够将操作和存储集成到一个系统中。这与标准计算机不同,标准计算机通常有独立的操作(cpu)和内存(RAM)。

“这些连接点的作用类似于计算机晶体管,但具有额外的特性,即记住信号曾在这条路径上传播过。因此,它们被称为‘记忆电阻器’。”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。

霍克斯泰特和他的团队一起构建了一个物理网络的模拟,以演示如何训练它们来解决非常基本的任务。

“在这项研究中,我们训练网络将简单的波形转换成更复杂的波形,”补充道Hochstetter先生。

在模拟中,研究人员调整了电信号的频率和幅度,以观察最佳的表现出现在哪里。

Hochstetter先生进一步添加了,“我们发现,如果你把信号推得太慢,网络就会重复做同样的事情,而不会学习和发展。如果我们推得太快太紧,网络就会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Kuncic教授的说法,记忆和操作的结合对于即将到来的人工智能的发展有着巨大的实际好处。

算法需要训练网络,以知道哪个节点应该被赋予适当的“负载”或信息权重,消耗了大量的能量。我们正在开发的系统不需要这种算法。

Zdenka kuncic,悉尼大学教授

“我们只是允许网络开发自己的权重,这意味着我们只需要担心信号的输入和输出,这是一个被称为‘油藏计算’的框架。网络权重是自适应的,潜在地释放出大量的能量。Kuncic教授。

这意味着任何即将到来的使用这些网络的人工智能系统都会有相对较低的能量足迹,得出的结论Kuncic教授。

期刊引用:

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?

离开你的反馈
提交