I fisici della Petrozavodsk State University hanno proposto un nuovo metodo per la rete neurale oscillatoria per riconoscere immagini semplici. Tali reti con uno stato sincrono regolabile dei singoli neuroni hanno, presumibilmente, dinamiche simili ai neuroni nel cervello vivente.

Una rete neurale oscillatoria è un complesso intreccio di elementi interagenti (oscillatori) in grado di ricevere e trasmettere oscillazioni di una certa frequenza. Ricezione di segnali di varie frequenze da elementi precedenti, l'oscillatore del neurone artificiale può sincronizzare il suo ritmo con queste fluttuazioni. Di conseguenza, in rete, alcuni degli elementi sono sincronizzati tra loro (attivati ​​periodicamente e contemporaneamente), e altri elementi non sono sincronizzati. In questo modo, si forma un'immagine spazio-temporale della distribuzione di sincronizzazione. È stato comunemente ipotizzato che tali processi siano responsabili dell'elaborazione e della trasmissione di informazioni nel cervello umano, e quindi di particolare interesse per lo studio.

Gli scienziati del Dipartimento di Elettronica e Ingegneria dell'Energia della Petrozavodsk State University hanno fissato l'obiettivo del riconoscimento di modelli basato su reti di oscillatori accoppiati implementate su strutture di biossido di vanadio. I fisici hanno sviluppato un metodo di registrazione della sincronizzazione con elevata sensibilità e selettività. Applicandolo in pratica, è possibile creare una rete in grado di riconoscere le immagini allo stesso modo dei sistemi neurali biologici.

Nello studio, le immagini in ingresso sotto forma di tabelle dimensionali tre per tre sono state trasmesse alla rete modificando le correnti di alimentazione, e le correnti hanno cambiato le frequenze di oscillazione degli oscillatori. Di conseguenza, la rete ha reagito ad ogni immagine ricevuta con dinamiche specifiche. L'idea del nuovo metodo era selezionare i parametri di rete chiave per addestrare il sistema a sincronizzarsi solo per un'immagine di input specifica, che significa riconoscerlo.

Lo stato di sincronizzazione dell'oscillatore del neurone di uscita rispetto al ritmo dell'oscillatore del neurone principale è stato scelto come segnale registrato in uscita. Gli autori hanno dimostrato che la sincronizzazione può essere osservata non solo alle frequenze fondamentali, ma anche alle loro molteplici parti (subarmoniche). Un aumento del numero di stati sincroni dovuto alle subarmoniche è chiamato effetto di sincronizzazione di ordine elevato. Avendo contemporaneamente più stati di sincronizzazione, il neurone diventa un neurone multilivello. Perciò, una rete oscillatoria di un piccolo numero di neuroni può eseguire operazioni complesse come la parola, riconoscimento di immagini e video, e risolvendo la previsione, problemi di ottimizzazione e controllo.

Utilizzando questa proprietà, i ricercatori hanno configurato la rete in modo tale che diverse immagini di input causassero diversi modelli di sincronizzazione della rete oscillatoria. Hanno scoperto che la rete era in grado di riconoscere contemporaneamente fino a 14 figure tre per tre su 102 possibili varianti, pur avendo un solo oscillatore in uscita.

"Nel futuro, chip di rete neurale compatti con oscillatori su scala nanometrica possono essere creati sulla base di queste reti. La caratteristica distintiva della tecnologia delle reti neurali che stiamo sviluppando è un sistema di elaborazione delle informazioni fondamentalmente nuovo. L'effetto della sincronizzazione di alto ordine dei segnali pulsati consente l'utilizzo di neuroni multilivello con un alto grado di funzionalità. Il vantaggio di tali reti neurali oscillatorie è la prospettiva di creare reti neurali utilizzando un'ampia varietà di oscillatori fisici, compresi oscillatori magnetici ed elettrici. Allo stesso tempo, la rete addestrata non ha più bisogno di calcoli informatici, e opera indipendentemente come un organismo neurale separato, ", afferma il professore associato Andrei Velichko.