Keeawayt
- Spin-lasiksi kutsuttu harvinainen ainetyyppi voi mahdollistaa tekoälyn, joka tunnistaa esineet ihmisten tavoin.
- Spin-lasin käyttö tulostettavissa piireissä voi myös johtaa uudenlaisiin pienitehoisiin tietokoneisiin.
- Muutkin aivojen inspiroimat sirut voisivat myös parantaa tekoälyn tunnistamista.
Piirien tulostaminen suoraan fyysisiin esineisiin voi johtaa älykkäämpään tekoälyyn (AI).
Los Alamos National Laboratoryn tutkijat käyttävät harvinaista ainetta, joka tunnetaan nimellä spin-lasi, korvaamaan piirejä. Spin-lasin epätavalliset ominaisuudet mahdollistavat tekoälyn muodon, joka tunnistaa esineitä osittaisista kuvista aivojen tavoin.
"Spin-lasit ovat järjestelmiä, joissa on "kuoppainen maisema" mahdollisista ratkaisuista", Santa Fe -instituutin tietojenkäsittelytieteilijä ja fyysikko Cris Moore, joka ei ollut mukana Los Alamosin tutkimuksessa, kertoi Lifewirelle sähköpostissa. haastatella. "Ne auttavat meitä analysoimaan, miksi algoritmit joskus jumiutuvat ratkaisuihin, jotka näyttävät hyvältä paikallisesti, mutta eivät ole parhaita mahdollista."
Tulostettavat piirit
Spin-lasin käyttö tulostettavissa piireissä voi myös johtaa uudenlaisiin pienitehoisiin tietokoneisiin. Spin-lassin avulla tutkijat voivat tutkia materiaalirakenteita matematiikan avulla. Tällä lähestymistavalla tutkijat voivat säätää vuorovaikutusta järjestelmien sisällä käyttämällä elektronisädelitografiaa, joka käyttää kohdistettua elektronisädettä piirtämään mukautettuja muotoja pinnalle. Litografia voisi mahdollistaa uudentyyppisten piirien painamisen.
Litografian avulla on mahdollista esittää erilaisia laskentaongelmia spin-lass-verkoissa, kertoo Los Alamos -tiimin äskettäinen artikkeli, joka on julkaistu vertaisarvioidussa Nature Physics -lehdessä.
"Työmme sai ensimmäisen kokeellisen toteutuksen keinotekoisesta spin-lasista, joka koostuu nanomagneeteista, jotka on järjestetty replikoimaan hermoverkkoa", Michael Saccone, teoreettisen fysiikan tutkijatohtorin tutkija Los Alamos National Laboratoryssa ja pääkirjoittaja Lehti sanoi tiedotteessa. "Meidän paperimme luo pohjan, jonka tarvitsemme näiden fyysisten järjestelmien käyttämiselle käytännössä."
Moore vertasi pyörivää lasia piidioksidiin (ikkunalasi), joka näyttää täydelliseltä kiteeltä, mutta jäähtyessään se juuttuu amorfiseen tilaan, joka näyttää molekyylitasolla nesteeltä.
"Samalla tavalla algoritmit voivat juuttua "energiaesteiden" taakse, jotka ovat globaalin optimin tiellä", Moore lisäsi.
Spin lasiteorian ideat voivat auttaa tutkijoita navigoimaan korkean ulottuvuuden maisemissa.
"Tämä pyrkimys on luonut elävän monitieteisen yhteisön fysiikan, matematiikan ja tietojenkäsittelytieteen risteyskohdassa", Moore sanoi."Voimme käyttää fysiikan ideoita määrittääksemme algoritmeille perusrajat, kuten kuinka paljon melua ne sietävät, mutta silti löytää tiedosta malleja - ja suunnitella algoritmeja, jotka onnistuvat aina noihin teoreettisiin rajoihin asti."
AI joka muistaa kuin ihmiset
Tutkijaryhmä tutki keinotekoista spin-lasia keinona tutkia niin kutsuttuja Hopfield-hermoverkkoja. Nämä verkostot mallintavat ihmisen assosiatiivista muistia, joka on kyky oppia ja muistaa toisiinsa liittymättömien kohteiden välinen suhde.
Teoreettisia malleja, jotka kuvaavat pyöriviä laseja, käytetään laaj alti muissa monimutkaisissa järjestelmissä, kuten aivotoimintaa kuvaavissa järjestelmissä.
Assosiatiivisella muistilla, jos vain yksi muisti laukeaa, esimerkiksi vastaanottamalla kasvojen osittainen kuva tulona - verkko voi palauttaa koko kasvot. Toisin kuin perinteiset algoritmit, assosiatiivinen muisti ei vaadi identtistä skenaariota muistin tunnistamiseksi.
Sacconen ja ryhmän tutkimus vahvisti, että spin-glass auttaa kuvaamaan järjestelmän ominaisuuksia ja sitä, miten se käsittelee tietoa. Spin glassissä kehitetyt tekoälyalgoritmit olisivat "sotkuisempia" kuin perinteiset algoritmit, Saccone sanoi, mutta myös joustavampia joihinkin tekoälysovelluksiin.
"Teoreettisia malleja, jotka kuvaavat pyöriviä laseja, käytetään laaj alti muissa monimutkaisissa järjestelmissä, kuten niissä, jotka kuvaavat aivojen toimintaa, virheenkorjauskoodeja tai osakemarkkinoiden dynamiikkaa", Saccone sanoi. "Tämä laaja kiinnostus spin-laseja kohtaan antaa vahvan motivaation luoda keinotekoinen spin-lasi."
Muuntyyppiset aivojen inspiroimat sirut voivat myös parantaa tapoja, joilla tekoäly tunnistaa kuvat. Tuore paperi osoittaa, kuinka tietokonepiirit voivat dynaamisesti johdottaa itsensä ottamaan vastaan uutta dataa aivojen tapaan, mikä auttaa tekoälyä jatkamaan oppimista ajan mittaan.
"Elävien olentojen aivot voivat jatkuvasti oppia koko elämänsä ajan", Shriram Ramanathan, Purduen yliopiston materiaalitekniikan korkeakoulun professori ja yksi paperin kirjoittajista, sanoi tiedotteessa."Olemme nyt luoneet keinotekoisen alustan koneille, jotka voivat oppia koko elinkaarensa ajan."
