a) Topologia della rete e schema elettrico del nodo, b) Forme d'onda di un singolo nodo operante in regioni periodiche (in alto a sinistra) e caotiche (in basso a sinistra) seguite da forme d'onda di due nodi accoppiati non sincronizzati (in alto a destra) e sincronizzato (in basso a destra). c) Sincronizzazione media attraverso l'intera rete sotto il controllo della forza di accoppiamento e un parametro che influenza la dinamica del circuito. Vengono mostrate le regioni in cui la rete non è sincronizzata (blu), non completamente sincronizzata (giallo) e completamente sincronizzata (rosso). Si può osservare un'ampia regione di sincronizzazione incompleta, quando la rete opera vicino al limite del caos. Inoltre, la matrice di sincronizzazione nella regione di sincronizzazione incompleta mostra l'emergere di un trascinamento preferenziale tra alcune coppie di nodi rispetto ad altre. Credito:Jim Bartels
Gli ingegneri del Tokyo Institute of Technology (Tokyo Tech) hanno dimostrato un approccio computazionale utilizzando una rete ad anello di oscillatori a picchi accoppiati con dinamiche caotiche implementate su hardware analogico. Questo nuovo approccio si basa sull'emergenza e sui fenomeni di formazione di modelli che si verificano in "sincronizzazione incompleta" all'interno di dinamiche caotiche. In futuro, potrebbe avere un impatto significativo sui metodi convenzionali per il rilevamento di schemi comunemente utilizzati nelle reti neurali artificiali su controparti hardware digitali.
Negli ultimi tempi, gli algoritmi basati sull'intelligenza artificiale (AI) stanno trovando varie applicazioni sociali come l'assistenza sanitaria personalizzata, la guida autonoma, le città intelligenti e l'agricoltura di precisione. La quantità di capacità di calcolo necessaria per implementare tali algoritmi è in aumento. Pertanto, le iniziative di ricerca stanno esaminando approcci alternativi all'IA traendo ispirazione dai sistemi naturali esistenti.
Un approccio è il calcolo del serbatoio fisico, in cui un insieme di elementi dinamici che sfruttano i fenomeni fisici viene utilizzato per mappare i dati di input su uno spazio ad alta dimensione. Il merito di questo metodo è la ridotta necessità di addestramento di algoritmi che richiedono una grande quantità di potenza di elaborazione. Questi serbatoi possono essere spesso implementati da sistemi fisici molto semplici e non richiedono architetture complesse come nel caso delle reti neurali.
Il circuito utilizzato in questo studio, denominato circuito Minati-Frasca e inizialmente scoperto e sviluppato dai ricercatori delle Università di Trento e Catania in Italia, è altamente elementare, coinvolge solo cinque componenti passive e due attive, mentre mostra un ricco comportamento di spiking . "Questi circuiti sono davvero straordinari e sono un candidato naturale per il calcolo dei giacimenti fisici", afferma il dott. Hiroyuki Ito, capo della Nano Sensing Unit dove è stato condotto lo studio.
a) Effetto del rumore coerente immesso nella rete, realizzato mediante una sorgente di corrente aggiuntiva. La mappa dei parametri mostra la differenza nella sincronizzazione media tra nessun rumore e massimo rumore indotto. b) Dividere la rete in due metà, una operante nel caos (A) e l'altra a comportamento periodico (B), impostando in modo diverso il parametro di controllo. Gli effetti non monotonici vengono osservati dal grafico per la metà periodica, rivelando effetti contraddittori sulla strada verso la sincronizzazione tra i nodi. c) Configurazione ipotetica della rete di oscillatori caotici quando utilizzata come serbatoio, ricevendo perturbazioni sulle forze di accoppiamento e sul parametro di controllo. Credito:Jim Bartels
Gli esperimenti eseguiti dai ricercatori della Tokyo Tech includevano la messa a punto della caoticità e della forza di accoppiamento all'interno di una rete ad anello di circuiti Minati-Frasca. Inizialmente, a valori bassi di un opportuno parametro di controllo, la rete ha mostrato picchi periodici, seguiti da un comportamento molto irregolare quando questo parametro è stato aumentato. In combinazione con lo sweep della forza di accoppiamento, questa operazione ha rivelato una ricca varietà di modi in cui la rete si sincronizza, il che significa che i nodi al suo interno mostrano un comportamento simile a quello che si può osservare nelle loro forme d'onda. Considerando la rete nel suo insieme, l'emergere di schemi di sincronizzazione con una sincronizzazione preferenziale di alcune coppie di nodi rispetto ad altri, una situazione nota come sincronizzazione incompleta, può essere osservata all'interno del caos. Inoltre, nel caso di questa particolare rete, questa regione raggiunge la massima ampiezza vicino al confine del caos, che è il confine tra le regioni periodiche e caotiche di funzionamento.
I ricercatori della Tokyo Tech hanno quindi introdotto due ulteriori fattori per influenzare il "percorso verso la sincronizzazione", vale a dire l'iniezione di rumore coerente in ciascun nodo all'interno della rete e la divisione della rete in due diverse popolazioni. Il primo ha mostrato che il rumore extra riduce significativamente la sincronizzazione della rete nella regione periodica, mentre nella regione caotica l'area di sincronizzazione incompleta si sposta e viene potenziata la sincronizzazione dei nodi non strutturalmente adiacenti. Ciò indica che la rete può rispondere a stimoli esterni in modo complesso. Quest'ultimo esperimento ha diviso la rete in due metà, una operante all'interno del caos e l'altra all'interno della periodicità.
Il percorso verso la sincronizzazione in questa condizione è stato esaminato con uno sweep della forza di accoppiamento, producendo una sorprendente diversificazione dei comportamenti di sincronizzazione tra le due popolazioni. Mentre la forza di sincronizzazione aumentava costantemente all'interno della metà caotica, la metà periodica mostrava effetti non monotonici, cioè, quando si spostava la forza di accoppiamento sono comparsi più minimi. Inoltre, dopo aver studiato in dettaglio i modelli di sincronizzazione, è stato rivelato un comportamento contraddittorio, che mostra una sincronizzazione iniziale della metà periodica che è stata poi superata dalla metà caotica, seguita da una sincronizzazione complessiva finale tra le due metà. Questo effetto sottolinea ulteriormente il potenziale generativo di questa rete. In sostanza, una divisione binaria di due popolazioni mostra uno scenario altamente semplificato delle perturbazioni di input a cui questa rete potrebbe essere esposta se utilizzata per il calcolo del giacimento fisico.
Pertanto, i ricercatori hanno considerato la rete nel loro studio e hanno proposto di utilizzarla per implementare in futuro il calcolo dei giacimenti sfruttando i vari fenomeni descritti sopra. "Provenienti da un background di apprendimento automatico, gli accoppiamenti all'interno della rete mi hanno ricordato di lavorare con le reti neurali. Tuttavia, all'inizio non ero in grado di comprendere le implicazioni del cambiamento della dinamica e del caos, poiché gli algoritmi di intelligenza artificiale convenzionali tendono a non avere le loro caratteristiche innate attività dinamica", afferma Jim Bartels, uno degli autori principali di questo studio. "Mi sono reso conto che lo sfruttamento di queste dinamiche per il calcolo potrebbe adattarsi bene al campo del calcolo dei giacimenti, che rimane un'area di studio in crescita."
Dopo questa intervista, il team ha spiegato perché questo tipo di calcolo dei giacimenti potrebbe essere vantaggioso per le applicazioni nella società. "Uno dei principali campi di ricerca su cui stiamo lavorando nella Nano Sensing Unit è la classificazione delle serie temporali per i dispositivi Internet-of-things (IoT) e l'edge computing, come la classificazione del comportamento degli animali. Una considerazione molto importante per questi dispositivi è la loro durata della batteria, poiché determina la barriera verso l'adozione concreta.Ciò che entusiasma di serbatoi fisici come quello che abbiamo proposto è la possibilità di operare, in future realizzazioni integrate ancora da costruire, a una potenza inferiore rispetto alle grandi reti neurali digitali Poiché il circuito rappresenta uno dei più piccoli tipi conosciuti di oscillatori generatori di picchi, andando oltre l'attuale fase di proof-of-concept, ci aspettiamo che i ricercatori di tutto il mondo esplorino le sue numerose possibili variazioni per ulteriori strutture computazionali, come le reti neurali", hanno affermato. ha commentato.
Ludovico Minati, che è il principale autore dello studio. Gli esperimenti intrapresi, la progettazione dell'hardware, i risultati e la loro discussione sono riportati in un recente articolo pubblicato sulla rivista Chaos, Solitons &Fractals . Inoltre, tutti i materiali di progettazione ei dati sperimentali sono stati resi liberamente scaricabili. + Esplora ulteriormente
