Key takeaways
- En sjelden type materie k alt spinnglass kan aktivere AI som gjenkjenner objekter slik mennesker gjør.
- Bruken av spinnglass for utskrivbare kretser kan også føre til nye typer laveffektsdatabehandling.
- Andre typer hjerneinspirerte brikker kan også forbedre hvordan AI gjenkjenner bilder.
Å skrive ut kretser direkte på fysiske objekter kan føre til smartere kunstig intelligens (AI).
Forskere ved Los Alamos National Laboratory bruker en sjelden form for materie kjent som spinnglass for å erstatte kretsløp. De uvanlige egenskapene til spinnglass muliggjør en form for kunstig intelligens som kan gjenkjenne objekter fra delbilder slik hjernen gjør.
"Spin-briller er systemer med et 'hudett landskap' av mulige løsninger," sa Cris Moore, en dataforsker og fysiker ved Santa Fe Institute, som ikke var involvert i Los Alamos-forskningen, til Lifewire i en e-post. intervju. "De hjelper oss med å analysere hvorfor algoritmer noen ganger setter seg fast i løsninger som ser bra ut lok alt, men som ikke er best mulig."
Printable Circuits
Bruk av spinnglass for utskrivbare kretser kan også føre til nye typer laveffektsdatabehandling. Spin-glasset lar forskere undersøke materialstrukturer ved hjelp av matematikk. Med denne tilnærmingen kan forskere justere interaksjonen i systemer ved hjelp av elektronstrålelitografi, som bruker en fokusert stråle av elektroner for å tegne tilpassede former på en overflate. Litografien kan tillate utskrift av nye typer kretser.
Litografien gjør det mulig å representere en rekke dataproblemer i spinn-glass-nettverk, ifølge en fersk artikkel fra Los Alamos-teamet publisert i det fagfellevurderte tidsskriftet Nature Physics.
"Vårt arbeid fullførte den første eksperimentelle realiseringen av et kunstig spinnglass bestående av nanomagneter arrangert for å gjenskape et nevr alt nettverk," Michael Saccone, en postdoktor i teoretisk fysikk ved Los Alamos National Laboratory og hovedforfatter av avisen, heter det i pressemeldingen. «Vårt papir legger grunnlaget vi trenger for å bruke disse fysiske systemene praktisk t alt.»
Moore sammenlignet spinnglass med silisiumdioksid (vindusglass), som ser ut til å være en perfekt krystall, men når den avkjøles, setter den seg fast i en amorf tilstand som ser ut som en væske på molekylært nivå.
"På samme måte kan algoritmer sette seg fast bak 'energibarrierer' som står i veien for det globale optimum," la Moore til.
Ideer fra spinnglassteori kan hjelpe forskere med å navigere i høydimensjonale landskap.
"Denne streben har skapt et levende tverrfaglig fellesskap i skjæringspunktet mellom fysikk, matematikk og informatikk," sa Moore."Vi kan bruke ideer fra fysikk til å bestemme grunnleggende grenser for algoritmer, som hvor mye støy de kan tolerere mens de fortsatt finner mønstre i data - og til å designe algoritmer som lykkes helt opp til disse teoretiske grensene."
AI That Remembers Like Humans
Forskerteamet undersøkte kunstig spinnglass som en måte å se inn i det som kalles Hopfield nevrale nettverk. Disse nettverkene modellerer menneskelig assosiativ hukommelse, som er evnen til å lære og huske forholdet mellom ikke-relaterte elementer.
Teoretiske modeller som beskriver spinnglass er mye brukt i andre komplekse systemer, for eksempel de som beskriver hjernefunksjon.
Med assosiativt minne, hvis bare ett minne utløses, for eksempel ved å motta et delvis bilde av et ansikt som input-da kan nettverket hente frem hele ansiktet. I motsetning til tradisjonelle algoritmer, krever ikke assosiativt minne et identisk scenario for å identifisere et minne.
Undersøkelsen utført av Saccone og teamet bekreftet at spinnglass vil være nyttig for å beskrive egenskapene til et system og hvordan det behandler informasjon. AI-algoritmer utviklet i spinnglass ville være "messer" enn tradisjonelle algoritmer, sa Saccone, men også mer fleksible for noen AI-applikasjoner.
"Teoretiske modeller som beskriver spinnbriller er mye brukt i andre komplekse systemer, for eksempel de som beskriver hjernefunksjon, feilkorrigerende koder eller aksjemarkedsdynamikk," sa Saccone. "Denne brede interessen for spinnglass gir sterk motivasjon til å lage et kunstig spinnglass."
Andre typer hjerneinspirerte brikker kan også forbedre hvordan AI gjenkjenner bilder. En fersk artikkel viser hvordan databrikker dynamisk kan koble seg om til å ta inn nye data slik hjernen gjør, og hjelpe AI til å fortsette å lære over tid.
"Hjernen til levende vesener kan kontinuerlig lære gjennom hele livet," sa Shriram Ramanathan, professor ved Purdue Universitys School of Materials Engineering og en av avisens forfattere i en pressemelding."Vi har nå laget en kunstig plattform for maskiner å lære gjennom hele levetiden."
