Membuat jaringan buatan kawat nano dan merespons dengan cara yang mirip dengan otak

MEXICO CITY – Para peneliti telah menemukan bahwa jaringan buatan kawat nano dapat disetel untuk merespons dengan cara yang mirip dengan otak ketika dirangsang secara elektrik.

Ilmuwan dari Universitas Sydney Dan dari Institut Nasional Ilmu Material (NIMS) di Jepang telah menemukan bahwa dengan menjaga jaringan kawat nano ini dalam keadaan otak “di ambang kekacauan”, ia melakukan tugas pada tingkat yang optimal.

Ini, kata mereka, menunjukkan bahwa sifat dasar kecerdasan saraf adalah fisik, dan bahwa penemuan mereka membuka jalan yang menarik untuk pengembangan kecerdasan buatan.

“Kami menggunakan kabel dengan panjang 10 m dan ketebalan tidak lebih dari 500 nm yang disusun secara acak dalam bidang dua dimensi,” kata penulis utama Joel Hochstetter, kandidat doktor di Institut Nano dan Sekolah Fisika Universitas Sydney.

“Ketika kabel tumpang tindih, mereka membentuk sambungan elektrokimia, seperti sinapsis antar neuron.”, Dia berkata. “Kami menemukan bahwa sinyal listrik yang dikirim melalui jaringan ini secara otomatis menemukan rute terbaik untuk mengirimkan informasi. Arsitektur ini memungkinkan jaringan untuk ‘mengingat’ jalur sebelumnya melalui sistem.”.

menggunakan simulasi, tim peneliti Uji jaringan nanowire acak untuk melihat bagaimana membuatnya bekerja lebih baik untuk tugas-tugas sederhana.

Jika sinyal yang dirangsang jaringan terlalu rendah, jalurnya terlalu dapat diprediksi dan teratur dan tidak menghasilkan keluaran yang cukup kompleks untuk berguna. Jika sinyal listrik membanjiri jaringan, output benar-benar berantakan dan tidak berguna untuk pemecahan masalah. Sinyal optimal untuk menghasilkan output yang berguna berada di ambang keadaan kacau ini.

“Beberapa teori dalam ilmu saraf menunjukkan bahwa pikiran manusia dapat beroperasi di tepi kekacauan ini, yang disebut keadaan kritis.”Rekan penulis Zdenka Koncic, seorang profesor di University of Sydney, mengatakan: “Beberapa ahli saraf percaya bahwa dalam hal ini kita mencapai kinerja otak yang maksimal”.

Yang menarik dari hasil ini adalah menunjukkan bahwa jenis jaringan nanowire ini dapat disetel ke dalam sistem dengan dinamika kolektif yang beragam, mirip dengan otak, yang dapat dimanfaatkan untuk meningkatkan pemrosesan informasi.”

Dalam jaringan nanowire, koneksi antara kabel memungkinkan sistem untuk mengintegrasikan memori dan operasi ke dalam satu sistem. Ini berbeda dari komputer standar, yang memisahkan memori (RAM) dan proses (CPU).

Sambungan ini bertindak seperti transistor komputer, tetapi dengan sifat tambahan mengingat bahwa sinyal telah menempuh jalur ini sebelumnya. Karena itu, mereka disebut memristor,” kata Hochstetter.

Memori ini mengambil bentuk fisik, dengan persimpangan di titik persimpangan antara kawat nano bertindak sebagai sakelar yang perilakunya bergantung pada respons historis terhadap sinyal listrik. Ketika sinyal diterapkan di persimpangan ini, benang perak kecil tumbuh yang mengaktifkan persimpangan dengan membiarkan arus mengalir melaluinya.

Ini menciptakan jaringan memori dalam sistem nanowire acak.”

Hochstetter dan timnya membuat simulasi jaringan fisik untuk menunjukkan bagaimana jaringan tersebut dapat dilatih untuk menyelesaikan tugas-tugas yang sangat sederhana. “Untuk penelitian ini, kami melatih jaringan untuk mengubah bentuk gelombang sederhana menjadi jenis bentuk gelombang yang lebih kompleks.”kata Hochstetter.

Dalam simulasi, mereka menyetel amplitudo dan frekuensi sinyal listrik untuk melihat di mana kinerja terbaik akan terjadi.
“Kami menemukan bahwa jika Anda mendorong sinyal terlalu lambat, jaringan melakukan hal yang sama berulang-ulang tanpa belajar atau berkembang. Jika kami mendorongnya terlalu keras dan terlalu cepat, jaringan menjadi tidak menentu dan tidak dapat diprediksi.”, Dia berkata.

Profesor Koncic mengatakan bahwa menghubungkan memori dengan proses memiliki keuntungan praktis yang sangat besar untuk pengembangan kecerdasan buatan di masa depan.

Dia mengatakan algoritme diperlukan untuk melatih jaringan untuk mengetahui persimpangan mana yang harus diberi “beban” yang sesuai atau bobot informasi yang membutuhkan banyak energi.

Sistem yang kami kembangkan menghilangkan kebutuhan akan algoritme semacam itu. Kami hanya mengizinkan jaringan untuk mengembangkan bobotnya sendiri, yang berarti kami hanya perlu khawatir tentang input dan output sinyal, kerangka kerja yang dikenal sebagai “komputasi gudang”.

Bobot kisi dapat menyesuaikan sendiri, dan cenderung melepaskan energi dalam jumlah besar. Ini, katanya, berarti bahwa setiap sistem masa depan Kecerdasan buatan Menggunakan jaringan seperti itu akan memiliki jejak energi yang jauh lebih kecil.

* g