Tworzą sieć neuronową z nanodrutów, która uczy się i zapamiętuje tak samo jak mózg

Zespół naukowców z Uniwersytetu w Sydney i UCLA opracował fizyczną sieć neuronową zdolną do natychmiastowego uczenia się i zapamiętywania tego, czego się nauczył, działając w ten sposób w sposób podobny do działania neuronów w mózgu.

Wynik otwiera drogę do opracowania wydajnej sztucznej inteligencji o niskim poborze mocy do bardziej złożonych zadań związanych z uczeniem się i zapamiętywaniem w świecie rzeczywistym. Badanie opublikowano w czasopiśmie Nature Communications.

Zabawa pałeczkami

Sieci nanoneuralne składają się z maleńkich drutów o średnicy zaledwie miliardowych części metra. Nanodruty ułożone są we wzory przypominające dziecięcą grę „Podnieś pałeczki”.

W tej grze zestaw pałeczek o długości od 8 do 20 cm jest upuszczany na stół i układany w losowy układ.

Nanodruty są składane niczym wykałaczki, przy użyciu wzorów naśladujących sieci neuronowe, takie jak te znajdujące się w naszych mózgach. Te sieci nanoprzewodowe można wykorzystać do wykonywania określonych zadań przetwarzania informacji.

Proste algorytmy

Zadania związane z pamięcią i uczeniem się tych nanodrutów realizowane są przy użyciu prostych algorytmów, które reagują na zmiany oporu elektrycznego w złączach, w których nanodruty zachodzą na siebie.

Funkcja ta, znana jako „rezystancyjne przełączanie pamięci”, jest generowana, gdy na wejściu elektrycznym występują zmiany przewodności, podobne do tego, co dzieje się z synapsami w naszym mózgu.

Poprzednie badania wykazały, w jaki sposób dynamikę neuromorficzną generowaną przez nanodruty można wykorzystać w zadaniach związanych z uczeniem się czasowym.

Impulsy elektryczne

Nowe badanie rozszerza te ustalenia: badacze wykorzystali sieć nanoprzewodów do rozpoznawania i zapamiętywania sekwencji impulsów elektrycznych odpowiadających obrazom, inspirowanych sposobem, w jaki ludzki mózg przetwarza informacje.

Stosując je do ręcznie napisanego zadania klasyfikacji cyfr z często używanej bazy danych przetwarzania obrazu (MINIS) (zbiór 70 000 obrazów w małej skali szarości wykorzystywanych w uczeniu maszynowym), dynamiczne uczenie się online tych nanodrutów uzyskało wynik 93,4% w zakresie identyfikacji testowej. kino.

Zadanie pamięciowe polegało na zapamiętaniu sekwencji maksymalnie ośmiu liczb. W przypadku obu zadań dane zostały przesłane do sieci, aby zademonstrować jej zdolność do uczenia się online i pokazać, jak pamięć poprawia tę naukę, jak podkreślili naukowcy w artykule. początek.

Przewaga konkurencyjna

Większość używanych obecnie sztucznych sieci neuronowych wymaga do działania dużych ilości energii, ponieważ muszą się uczyć poprzez analizę zbiorów danych. Wymóg ten znacznie ogranicza jego zastosowanie do użytku globalnego.

Opracowana przez tych badaczy sieć neuronowa w skali nano (która wciąż stanowi jedynie weryfikację koncepcji) jest bardziej energooszczędna niż jej poprzedniczki.

Dodatkowo potrafi uczyć się i zapamiętywać proste zadania korzystając z dynamicznych danych online, co jest wyzwaniem w przypadku dużej ilości danych, które mogą się ciągle zmieniać.

Wiele zastosowań

Ponieważ tę sieć nanoprzewodów można wykorzystać do przetwarzania dynamicznych danych w czasie rzeczywistym, może mieć wiele zastosowań, czy to w sztucznej inteligencji, takich jak rozpoznawanie głosu, aplikacje finansowe, systemy rozpoznawania twarzy, diagnostyka medyczna czy eksploracja danych.

Zdaniem badaczy można go również wykorzystać do podejmowania decyzji w grach wideo lub do symulacji działania ludzkiego mózgu.

odniesienie

Dynamiczne uczenie się online i pamięć sekwencyjna z wykorzystaniem nanodrutowych sieci neuronowych. Romaine Zhu i in. Nature Communications, tom 14, numer artykułu: 6697 (2023). doi: https://doi.org/10.1038/s41467-023-42470-5