Réseau de nanofils formé pour résoudre un problème simple imitant les voies neuronales –

  • FrançaisFrançais



  • Des scientifiques de l’Université de Sydney et de l’Institut national japonais des sciences des matériaux (NIMS) ont découvert qu’un réseau artificiel de nanofils peut être réglé pour réagir de manière cérébrale lorsqu’il est stimulé électriquement.

    L’équipe internationale, dirigée par Joel Hochstetter avec le professeur Zdenka Kuncic et le professeur Tomonobu Nakayama, a découvert qu’en maintenant le réseau de nanofils dans un état de cerveau “au bord du chaos”, il effectuait des tâches à un niveau optimal.

    Cela, disent-ils, suggère que la nature sous-jacente de l’intelligence neuronale est physique, et leur découverte ouvre une voie passionnante pour le développement de l’intelligence artificielle.

    L’étude est publiée aujourd’hui dans Communications naturelles.

    “Nous avons utilisé des fils de 10 micromètres de long et pas plus de 500 nanomètres d’épaisseur disposés de manière aléatoire sur un plan bidimensionnel”, a déclaré l’auteur principal Joel Hochstetter, doctorant au Nano Institute et School of Physics de l’Université de Sydney.

    “Là où les fils se chevauchent, ils forment une jonction électrochimique, comme les synapses entre les neurones”, a-t-il déclaré. “Nous avons découvert que les signaux électriques transmis par ce réseau trouvent automatiquement le meilleur itinéraire pour transmettre des informations. Et cette architecture permet au réseau de “se souvenir” des voies précédentes à travers le système.”

    AU BORD DU CHAOS

    À l’aide de simulations, l’équipe de recherche a testé le réseau de nanofils aléatoires pour voir comment le rendre plus performant pour résoudre des tâches simples.

    Si le signal stimulant le réseau était trop faible, alors les voies étaient trop prévisibles et ordonnées et ne produisaient pas des sorties suffisamment complexes pour être utiles. Si le signal électrique submergeait le réseau, la sortie était complètement chaotique et inutile pour la résolution de problèmes.

    Le signal optimal pour produire une sortie utile était au bord de cet état chaotique.

    “Certaines théories en neurosciences suggèrent que l’esprit humain pourrait fonctionner à ce bord du chaos, ou ce qu’on appelle l’état critique”, a déclaré le professeur Kuncic de l’Université de Sydney. “Certains neuroscientifiques pensent que c’est dans cet état que nous atteignons une performance cérébrale maximale.”

    Le professeur Kuncic est le conseiller de doctorat de M. Hochstetter et est actuellement boursier Fulbright à l’Université de Californie à Los Angeles, travaillant à l’intersection entre les nanosciences et l’intelligence artificielle.

    Elle a déclaré: “Ce qui est si excitant dans ce résultat, c’est qu’il suggère que ces types de réseaux de nanofils peuvent être réglés dans des régimes avec une dynamique collective diversifiée, semblable à celle du cerveau, qui peut être exploitée pour optimiser le traitement de l’information.”

    SURMONTER LA DUALITÉ INFORMATIQUE

    Dans le réseau de nanofils, les jonctions entre les fils permettent au système d’incorporer la mémoire et les opérations dans un seul système. Ceci est différent des ordinateurs standard, qui séparent la mémoire (RAM) et les opérations (CPU).

    “Ces jonctions agissent comme des transistors informatiques, mais avec la propriété supplémentaire de se rappeler que les signaux ont déjà parcouru cette voie auparavant. En tant que tels, ils sont appelés” memristors “”, a déclaré M. Hochstetter.

    Cette mémoire prend une forme physique, où les jonctions aux points de croisement entre les nanofils agissent comme des interrupteurs, dont le comportement dépend de la réponse historique aux signaux électriques. Lorsque des signaux sont appliqués à travers ces jonctions, de minuscules filaments d’argent se développent, activant les jonctions en permettant au courant de circuler.

    “Cela crée un réseau de mémoire au sein du système aléatoire de nanofils”, a-t-il déclaré.

    M. Hochstetter et son équipe ont construit une simulation du réseau physique pour montrer comment il pourrait être formé pour résoudre des tâches très simples.

    “Pour cette étude, nous avons entraîné le réseau à transformer une forme d’onde simple en types de formes d’onde plus complexes”, a déclaré M. Hochstetter.

    Dans la simulation, ils ont ajusté l’amplitude et la fréquence du signal électrique pour voir où se trouvaient les meilleures performances.

    “Nous avons constaté que si vous poussez le signal trop lentement, le réseau fait la même chose encore et encore sans apprendre ni développer. Si nous le poussons trop fort et trop vite, le réseau devient erratique et imprévisible”, a-t-il déclaré.

    Les chercheurs de l’Université de Sydney travaillent en étroite collaboration avec des collaborateurs de l’International Center for Materials Nanoarchictectonics du NIMS au Japon et de l’UCLA, où le professeur Kuncic est chercheur Fulbright invité. Les systèmes de nanofils ont été développés au NIMS et à l’UCLA et M. Hochstetter a développé l’analyse, en collaboration avec les co-auteurs et collègues doctorants, Ruomin Zhu et Alon Loeffler.

    RÉDUIRE LA CONSOMMATION D’ÉNERGIE

    Le professeur Kuncic a déclaré que l’union de la mémoire et des opérations présente d’énormes avantages pratiques pour le développement futur de l’intelligence artificielle.

    “Les algorithmes nécessaires pour entraîner le réseau à savoir quelle jonction devrait se voir accorder la” charge “ou le poids d’informations appropriés consomment beaucoup de puissance”, a-t-elle déclaré.

    « Les systèmes que nous développons éliminent le besoin de tels algorithmes. Nous permettons simplement au réseau de développer sa propre pondération, ce qui signifie que nous n’avons qu’à nous soucier du signal entrant et sortant, un cadre connu sous le nom de « calcul de réservoir ». Le réseau Les poids sont auto-adaptatifs, libérant potentiellement de grandes quantités d’énergie.”

    Cela, a-t-elle dit, signifie que tout futur système d’intelligence artificielle utilisant de tels réseaux aurait une empreinte énergétique beaucoup plus faible.

    Source

    N'oubliez pas de voter pour cet article !
    1 Star2 Stars3 Stars4 Stars5 Stars (No Ratings Yet)
    Loading...

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée.