- 13,579
- 20
- 8 Ноя 2022
Что это значит для будущего ИИ?
Ученые создали искусственные нейроны из атомарно тонких материалов, способных обрабатывать световые и электрические сигналы для вычислений. Этот материал позволяет одновременно реализовать отдельные прямые и обратные связи в нейронной сети, повышая ее способность решать сложные задачи.
Десятилетиями ученые пытались воссоздать разносторонние вычислительные возможности биологических нейронов, чтобы разработать более быстрые и энергоэффективные системы машинного обучения. Одним из перспективных подходов является использование мемристоров: электронных компонентов, которые могут хранить значение, изменяя свою проводимость, и затем использовать это значение для обработки данных в памяти.
Однако ключевой проблемой для воспроизведения сложных процессов биологических нейронов и мозга с помощью мемристоров была трудность в интеграции как прямых, так и обратных нейрональных сигналов. Эти механизмы лежат в основе нашей когнитивной способности к обучению сложным задачам, используя вознаграждения и ошибки.
Команда исследователей из Оксфордского университета, Европейской лаборатории IBM Research и Техасского университета объявила о важном достижении: разработке искусственных нейронов из атомарно тонких материалов, созданных путем складывания двумерных (2D) материалов. Результаты Для просмотра ссылки Войдиили Зарегистрируйся в журнале Nature Nanotechnology.
В исследовании ученые расширили функциональность электронных мемристоров, сделав их чувствительными к оптическим, а также электрическим сигналам. Это позволило одновременно реализовать отдельные прямые и обратные связи в сети. Это достижение позволило команде создать нейронные сети типа "победитель забирает все": вычислительные программы с потенциалом для решения сложных задач машинного обучения, таких как кластеризация и комбинаторная оптимизация.
2D-материалы состоят всего из нескольких слоев атомов, и эта тонкая структура придает им различные экзотические свойства, которые можно настраивать в зависимости от того, как слои сочетаются. В этом исследовании ученые использовали стопку из трех 2D-материалов - графена, дисульфида молибдена и дисульфида вольфрама - чтобы создать устройство, которое показывает изменение своей проводимости в зависимости от мощности и продолжительности света/электричества, которые на него падают. В отличие от цифровых устройств хранения данных, эти устройства являются аналоговыми и работают аналогично синапсам и нейронам нашего биологического мозга. Аналоговая особенность позволяет выполнять вычисления, при которых последовательность электрических или оптических сигналов, посылаемых на устройство, вызывает постепенные изменения в количестве хранимого электронного заряда. Этот процесс лежит в основе пороговых режимов для нейрональных вычислений, аналогичных тому, как наш мозг обрабатывает комбинацию возбуждающих и тормозящих сигналов.
Ведущий автор доктор Гази Сарват Саид, сотрудник исследовательского отдела IBM Research Europe Switzerland, сказал: "Наши результаты скорее исследовательского характера, чем демонстрации на уровне системы. Хотя мы намерены развивать этот концепт в будущем, мы убеждены, что наши текущие доказательные результаты демонстрируют важный научный интерес в более широких областях нейроморфной инженерии, позволяющих нам лучше имитировать и понимать мозг".
Ученые создали искусственные нейроны из атомарно тонких материалов, способных обрабатывать световые и электрические сигналы для вычислений. Этот материал позволяет одновременно реализовать отдельные прямые и обратные связи в нейронной сети, повышая ее способность решать сложные задачи.
Десятилетиями ученые пытались воссоздать разносторонние вычислительные возможности биологических нейронов, чтобы разработать более быстрые и энергоэффективные системы машинного обучения. Одним из перспективных подходов является использование мемристоров: электронных компонентов, которые могут хранить значение, изменяя свою проводимость, и затем использовать это значение для обработки данных в памяти.
Однако ключевой проблемой для воспроизведения сложных процессов биологических нейронов и мозга с помощью мемристоров была трудность в интеграции как прямых, так и обратных нейрональных сигналов. Эти механизмы лежат в основе нашей когнитивной способности к обучению сложным задачам, используя вознаграждения и ошибки.
Команда исследователей из Оксфордского университета, Европейской лаборатории IBM Research и Техасского университета объявила о важном достижении: разработке искусственных нейронов из атомарно тонких материалов, созданных путем складывания двумерных (2D) материалов. Результаты Для просмотра ссылки Войди
В исследовании ученые расширили функциональность электронных мемристоров, сделав их чувствительными к оптическим, а также электрическим сигналам. Это позволило одновременно реализовать отдельные прямые и обратные связи в сети. Это достижение позволило команде создать нейронные сети типа "победитель забирает все": вычислительные программы с потенциалом для решения сложных задач машинного обучения, таких как кластеризация и комбинаторная оптимизация.
2D-материалы состоят всего из нескольких слоев атомов, и эта тонкая структура придает им различные экзотические свойства, которые можно настраивать в зависимости от того, как слои сочетаются. В этом исследовании ученые использовали стопку из трех 2D-материалов - графена, дисульфида молибдена и дисульфида вольфрама - чтобы создать устройство, которое показывает изменение своей проводимости в зависимости от мощности и продолжительности света/электричества, которые на него падают. В отличие от цифровых устройств хранения данных, эти устройства являются аналоговыми и работают аналогично синапсам и нейронам нашего биологического мозга. Аналоговая особенность позволяет выполнять вычисления, при которых последовательность электрических или оптических сигналов, посылаемых на устройство, вызывает постепенные изменения в количестве хранимого электронного заряда. Этот процесс лежит в основе пороговых режимов для нейрональных вычислений, аналогичных тому, как наш мозг обрабатывает комбинацию возбуждающих и тормозящих сигналов.
Ведущий автор доктор Гази Сарват Саид, сотрудник исследовательского отдела IBM Research Europe Switzerland, сказал: "Наши результаты скорее исследовательского характера, чем демонстрации на уровне системы. Хотя мы намерены развивать этот концепт в будущем, мы убеждены, что наши текущие доказательные результаты демонстрируют важный научный интерес в более широких областях нейроморфной инженерии, позволяющих нам лучше имитировать и понимать мозг".
- Источник новости
- www.securitylab.ru
