Scienziati dell'Università di Sydney e del National Institute for Material Science (NIMS) del Giappone hanno scoperto che una rete artificiale di nanofili può essere sintonizzata per rispondere in modo simile al cervello quando viene stimolata elettricamente.

La squadra internazionale, guidato da Joel Hochstetter con il professor Zdenka Kuncic e il professor Tomonobu Nakayama, scoperto che mantenendo la rete di nanofili in uno stato simile al cervello "ai margini del caos", ha svolto compiti a un livello ottimale.

Questo, dicono, suggerisce che la natura sottostante dell'intelligenza neurale è fisica, e la loro scoperta apre una strada entusiasmante per lo sviluppo dell'intelligenza artificiale.

Lo studio è pubblicato oggi in Comunicazioni sulla natura.

"Abbiamo usato fili lunghi 10 micrometri e non più spessi di 500 nanometri disposti casualmente su un piano bidimensionale, " ha detto l'autore principale Joel Hochstetter, un dottorando presso l'Università di Sydney Nano Institute e School of Physics.

"Dove i fili si sovrappongono, formano una giunzione elettrochimica, come le sinapsi tra i neuroni, " ha detto. "Abbiamo scoperto che i segnali elettrici immessi attraverso questa rete trovano automaticamente il percorso migliore per la trasmissione delle informazioni. E questa architettura consente alla rete di "ricordare" i percorsi precedenti attraverso il sistema".

Ai margini del caos

Utilizzando simulazioni, il team di ricerca ha testato la rete di nanocavi casuali per vedere come renderla migliore per risolvere compiti semplici.

Se il segnale che stimola la rete era troppo basso, quindi i percorsi erano troppo prevedibili e ordinati e non producevano output abbastanza complessi da essere utili. Se il segnale elettrico ha travolto la rete, l'output era completamente caotico e inutile per la risoluzione dei problemi.

Il segnale ottimale per produrre un output utile era al limite di questo stato caotico.

"Alcune teorie in neuroscienza suggeriscono che la mente umana potrebbe operare a questo bordo del caos, o quello che viene chiamato lo stato critico, " ha detto il professor Kuncic dell'Università di Sydney. "Alcuni neuroscienziati pensano che sia in questo stato in cui otteniamo le massime prestazioni cerebrali".

Il professor Kuncic è il dottorato di ricerca del signor Hochstetter. consulente ed è attualmente Fulbright Scholar presso l'Università della California a Los Angeles, lavorando all'intersezione tra nanoscienza e intelligenza artificiale.

Ha detto:"La cosa eccitante di questo risultato è che suggerisce che questi tipi di reti di nanocavi possono essere sintonizzati su regimi con diversi, dinamiche collettive simili al cervello, che può essere sfruttato per ottimizzare l'elaborazione delle informazioni."

Superare la dualità del computer

Nella rete di nanofili le giunzioni tra i fili consentono al sistema di incorporare memoria e operazioni in un unico sistema. Questo è diverso dai computer standard, che separano la memoria (RAM) e le operazioni (CPU).

"Queste giunzioni si comportano come i transistor dei computer, ma con la proprietà aggiuntiva di ricordare che i segnali hanno già percorso quel percorso in precedenza. Come tale, sono chiamati "memristori", " Ha detto il signor Hochstetter.

Questa memoria prende una forma fisica, dove le giunzioni nei punti di incrocio tra i nanofili agiscono come interruttori, il cui comportamento dipende dalla risposta storica ai segnali elettrici. Quando i segnali vengono applicati attraverso queste giunzioni, minuscoli filamenti d'argento crescono attivando le giunzioni permettendo alla corrente di fluire attraverso.

"Questo crea una rete di memoria all'interno del sistema casuale di nanofili, " Egli ha detto.

Il signor Hochstetter e il suo team hanno costruito una simulazione della rete fisica per mostrare come potrebbe essere addestrata per risolvere compiti molto semplici.

"Per questo studio abbiamo addestrato la rete a trasformare una semplice forma d'onda in tipi più complessi di forme d'onda, " Ha detto il signor Hochstetter.

Nella simulazione hanno regolato l'ampiezza e la frequenza del segnale elettrico per vedere dove si sono verificate le prestazioni migliori.

"Abbiamo scoperto che se si spinge il segnale troppo lentamente, la rete fa sempre la stessa cosa senza imparare e svilupparsi. Se lo si spinge troppo forte e velocemente, la rete diventa irregolare e imprevedibile, " Egli ha detto.

I ricercatori dell'Università di Sydney stanno lavorando a stretto contatto con i collaboratori del Centro internazionale per la nanoarchitettura dei materiali presso il NIMS in Giappone e l'UCLA, dove il professor Kuncic è uno studioso Fulbright in visita. I sistemi di nanofili sono stati sviluppati presso NIMS e UCLA e il signor Hochstetter ha sviluppato l'analisi, lavorare con coautori e colleghi studenti di dottorato, Ruomin Zhu e Alon Loeffler.

Ridurre il consumo di energia

Il professor Kuncic ha affermato che l'unione di memoria e operazioni ha enormi vantaggi pratici per il futuro sviluppo dell'intelligenza artificiale.

"Gli algoritmi necessari per addestrare la rete a sapere a quale giunzione deve essere assegnato il 'carico' o il peso appropriato delle informazioni consumano molta potenza, " lei disse.

"I sistemi che stiamo sviluppando eliminano la necessità di tali algoritmi. Permettiamo solo alla rete di sviluppare la propria ponderazione, il che significa che dobbiamo solo preoccuparci del segnale in entrata e in uscita, un framework noto come "reservoir computing". I pesi della rete sono autoadattativi, potenzialmente liberando grandi quantità di energia."

Questo, lei disse, significa che qualsiasi futuro sistema di intelligenza artificiale che utilizza tali reti avrebbe un'impronta energetica molto inferiore.