Des chercheurs ont montré comment maintenir un réseau de nanofils dans un état correct dans ce qu’on appelle Au bord du chaos Une réalisation utilisable en production L’intelligence artificielle (IA) qui fonctionne comme le cerveau humain.
L’équipe a utilisé différents niveaux d’électricité dans la simulation de nanofils, pour trouver un équilibre lorsque le signal électrique est trop faible lorsque le signal est trop élevé. Si le signal était trop faible, la sortie réseau n’était pas assez complexe pour être utile ; Si le signal est trop élevé, les sorties seront également désordonnées et inutiles.
« Nous avons constaté que si vous poussez le signal trop lentement, le réseau fait la même chose encore et encore sans apprentissage ni développement. Si nous le poussons fort et vite, le réseau devient erratique et imprévisible », Le physicien Joel Hochstetter dit : de l’Université de Sydney et auteur principal de l’étude.
Garder les simulations sur la ligne entre ces deux extrêmes a donné les résultats optimaux du réseau, Rapport des scientifiques. Les résultats indiquent qu’une variété de dynamiques de type cérébral peuvent enfin être produites à l’aide de réseaux de nanofils.
Image conceptuelle de commutateurs connectés de manière aléatoire. (Alon Loeffler)
« Certaines théories en neurosciences suggèrent que l’esprit humain peut fonctionner à la limite de ce chaos, ou de ce qu’on appelle l’état critique », La physicienne Zdenka Koncic dit : De l’Université de Sydney, Australie. « Certains neuroscientifiques pensent que dans ce cas, nous atteignons les performances maximales du cerveau. »
Pour les simulations, des nanofils de 10 m de long et pas plus de 500 nm d’épaisseur ont été disposés aléatoirement sur un plan bidimensionnel. Un cheveu humain peut mesurer environ 100 000 nanomètres de large, à titre de comparaison.
Dans ce cas, le problème auquel le réseau était affecté était la conversion d’un fichier forme d’onde Pour un type plus complexe, ajuster l’amplitude et la fréquence du signal électrique pour trouver l’état optimal pour résoudre le problème – juste au bord du chaos.
Les réseaux de nanofils combinent deux systèmes en un seul, gérant à la fois la mémoire (l’équivalent de la RAM d’un ordinateur) et les processus (l’équivalent de l’unité centrale de traitement d’un ordinateur). Ils peuvent se souvenir de l’historique des signaux passés et modifier leur sortie future en réponse à ce qui s’est passé auparavant, les obligeant à les faire memristors.
« Lorsque les fils se chevauchent, ils forment une jonction électrochimique, comme des synapses entre les neurones », Hochstetter dit.
Les algorithmes entraînent généralement le réseau sur les meilleurs chemins, mais dans ce cas, le réseau l’a fait tout seul.
« Nous avons découvert que les signaux électriques transmis via ce réseau trouvent automatiquement le meilleur itinéraire pour transmettre des informations », Hochstetter dit. Cette architecture permet au réseau de « se souvenir » des chemins passés à travers le système.
Ceci, à son tour, pourrait signifier une réduction significative de la consommation d’énergie, car les réseaux finissent par se former eux-mêmes en utilisant les processus les plus efficaces. À mesure que les réseaux d’IA se développent, il sera important de pouvoir les maintenir aussi faibles et de faible puissance que possible.
À l’heure actuelle, les scientifiques ont montré que les réseaux de nanofils peuvent faire de leur mieux pour résoudre les problèmes situés entre l’ordre et le chaos, tout comme notre cerveau est censé en être capable, et cela nous rapproche d’une IA qui pense comme nous fais. .
« Ce qui est passionnant dans ce résultat, c’est qu’il suggère que ces types de réseaux de nanofils peuvent être adaptés à des systèmes avec diverses dynamiques collectives de type cérébral, qui peuvent être exploitées pour améliorer le traitement de l’information », Kucic dit.
La recherche a été publiée dans Connexions naturelles.
« Drogué des réseaux sociaux. Explorateur d’une humilité exaspérante. Nerd du café. Amical résolveur de problèmes. Évangéliste culinaire. Étudiant. »