Come una raccolta di “Pick Up Sticks”, la rete autoorganizzata di nanofili imita la funzione sinapsi del cervello. In questo esperimento, una rete è stata addestrata ad accedere ai dati dinamici online che ha appreso e memorizzato.
L’autore principale e dottorando Ruomin Zhu tiene in mano il chip che gestisce la rete neurale al suo centro. Credito immagine: Università di Sydney
Per la prima volta, è stato dimostrato con successo che una rete neurale fisica impara e ricorda “al volo”, in un modo ispirato e simile a come funzionano i neuroni del cervello.
Il risultato apre un percorso per lo sviluppo di un’intelligenza artificiale efficiente e a basso consumo energetico per compiti di apprendimento e memoria più complessi e reali.
Pubblicato oggi in Comunicazioni sulla naturala ricerca è una collaborazione tra scienziati dell’Università di Sydney e Università della California a Los Angeles.
L’autore principale Ruomin Zhu, uno studente di dottorato della NanoIstituto dell’Università di Sydney E Scuola di Fisicaha affermato: “I risultati dimostrano come le funzioni di apprendimento e memoria ispirate al cervello utilizzando reti di nanofili possano essere sfruttate per elaborare dati dinamici e in streaming”.
Le reti di nanofili sono costituite da minuscoli fili che hanno un diametro di appena miliardesimi di metro. I fili si dispongono secondo schemi che ricordano il gioco per bambini “Pick Up Sticks”, imitando le reti neurali, come quelle del nostro cervello. Queste reti possono essere utilizzate per eseguire compiti specifici di elaborazione delle informazioni.
I compiti di memoria e apprendimento vengono raggiunti utilizzando semplici algoritmi che rispondono ai cambiamenti nella resistenza elettronica nelle giunzioni in cui i nanofili si sovrappongono. Conosciuta come “commutazione resistiva della memoria”, questa funzione viene creata quando gli input elettrici incontrano cambiamenti nella conduttività, simile a ciò che accade con le sinapsi nel nostro cervello.
In questo studio, i ricercatori hanno utilizzato la rete per riconoscere e ricordare sequenze di impulsi elettrici corrispondenti a immagini, ispirate al modo in cui il cervello umano elabora le informazioni.
Ricercatore supervisore La professoressa Zdenka Kuncic ha detto che il compito di memoria era simile a ricordare un numero di telefono. La rete è stata utilizzata anche per eseguire un’attività di riconoscimento delle immagini di riferimento, accedendo alle immagini nel database MNIST di cifre scritte a mano, una raccolta di 70.000 piccole immagini in scala di grigi utilizzate nell’apprendimento automatico.
La professoressa Zdenka Kuncic. Credito immagine: Università di Sydney
“Nostro ricerca precedente ha stabilito la capacità delle reti di nanofili di ricordare compiti semplici. Questo lavoro ha ampliato questi risultati mostrando che le attività possono essere eseguite utilizzando dati dinamici accessibili online”, ha affermato.
“Si tratta di un passo avanti significativo in quanto il raggiungimento di una capacità di apprendimento online è impegnativo quando si ha a che fare con grandi quantità di dati che possono cambiare continuamente. Un approccio standard sarebbe quello di archiviare i dati in memoria e quindi addestrare un modello di apprendimento automatico utilizzando le informazioni archiviate. Ma questo consumerebbe troppa energia per un’applicazione diffusa.
«Il nostro nuovo approccio consente alla rete neurale di nanofili di apprendere e ricordare “al volo”, campione per campione, estraendo dati online, evitando così un uso intensivo di memoria e di energia».
Zhu ha affermato che ci sono altri vantaggi nell’elaborazione delle informazioni online.
“Se i dati vengono trasmessi in streaming in modo continuo, come ad esempio da un sensore, l’apprendimento automatico che si basa su reti neurali artificiali dovrebbe avere la capacità di adattarsi in tempo reale, cosa per la quale attualmente non sono ottimizzate.” Egli ha detto.
In questo studio, la rete neurale di nanofili ha mostrato una capacità di apprendimento automatico di riferimento, ottenendo un punteggio del 93,4% nell’identificazione corretta delle immagini di test. Il compito di memoria prevedeva il richiamo di sequenze fino a otto cifre. Per entrambe le attività, i dati sono stati trasmessi in streaming alla rete per dimostrare la sua capacità di apprendimento online e per mostrare come la memoria migliora tale apprendimento.
Gli elettrodi interagiscono con la rete neurale di nanofili nel cuore del chip. Credito immagine: Università di Sydney
Dichiarazione
Zdenka Kuncic, Adam Stieg e James Gimzewski lavorano con Emergentia Inc. Ruomin Zhu e Alon Loeffler sono supportati da borse di ricerca presso l’Università di Sydney. Zdenka Kuncic riconosce il sostegno della Commissione Fulbright australiano-americana.
Fonte: Università di Sydney
Da un’altra testata giornalistica. news de www.technology.org
