Konzeptbild eines neuronalen Netzwerks (links) neben einem Bild eines Nanodrahtnetzwerks (rechts). (Adrian Diaz-Alvarez/NIMS Japan) Forscher haben gezeigt, wie man ein Netzwerk aus Nanodrähten in einem Zustand hält, der genau dem entspricht, was man nennt der Rand des Chaos – eine Errungenschaft, die zum Produzieren genutzt werden könnte künstliche Intelligenz (KI), die ähnlich wie das menschliche Gehirn funktioniert.
Das Team verwendete bei einer Nanodrahtsimulation unterschiedliche Elektrizitätsniveaus und fand ein Gleichgewicht, wenn das elektrische Signal zu niedrig und das Signal zu hoch war. Wenn das Signal zu niedrig war, waren die Ausgänge des Netzwerks nicht komplex genug, um nützlich zu sein; Wenn das Signal zu hoch war, waren die Ausgänge ein Chaos und auch unbrauchbar.
„Wir haben festgestellt, dass das Netzwerk, wenn man das Signal zu langsam überträgt, immer wieder das Gleiche tut, ohne zu lernen und sich weiterzuentwickeln.“ „Wenn wir es zu stark und zu schnell vorantreiben, wird das Netzwerk unberechenbar und unvorhersehbar“, says physicist Joel Hochstetter von der University of Sydney und Hauptautor der Studie.
Indem man die Simulationen auf der Grenze zwischen diesen beiden Extremen hielt, lieferte das Netzwerk optimale Ergebnisse. berichten die Wissenschaftler . Die Ergebnisse deuten darauf hin, dass mithilfe von Nanodrahtnetzwerken letztendlich eine Vielzahl gehirnähnlicher Dynamiken erzeugt werden könnten.
Konzeptionelles Bild zufällig verbundener Schalter. (Alon Löffler)
„Einige Theorien in der Neurowissenschaft legen nahe, dass der menschliche Geist an diesem Rand des Chaos, dem sogenannten kritischen Zustand, agieren könnte.“ sagt die Physikerin Zdenka Kuncic von der University of Sydney in Australien. „Einige Neurowissenschaftler glauben, dass wir in diesem Zustand die maximale Gehirnleistung erreichen.“
Für die Simulationen wurden Nanodrähte mit einer Länge von 10 Mikrometern und einer Dicke von maximal 500 Nanometern zufällig auf einer zweidimensionalen Ebene angeordnet. Zum Vergleich: Menschliche Haare können bis zu etwa 100.000 Nanometer breit sein.
In diesem Fall bestand die Aufgabe des Netzwerks darin, eine einfache Lösung zu transformieren Wellenform in einen komplexeren Typ, bei dem Amplitude und Frequenz des elektrischen Signals angepasst werden, um den optimalen Zustand zur Lösung des Problems zu finden – direkt am Rande des Chaos.
Nanowire-Netzwerke vereinen zwei Systeme zu einem und verwalten sowohl den Speicher (das Äquivalent des Computer-RAM) als auch die Vorgänge (das Äquivalent einer Computer-CPU). Sie können sich an die Geschichte früherer Signale erinnern und ihre zukünftige Ausgabe als Reaktion auf das, was zuvor passiert ist, ändern und sie erzeugen Memristoren .
„Wo sich die Drähte überlappen, bilden sie eine elektrochemische Verbindung, ähnlich den Synapsen zwischen Neuronen.“ says Hochstetter .
Normalerweise trainieren Algorithmen das Netzwerk darin, wo sich die besten Pfade befinden. In diesem Fall hat das Netzwerk dies jedoch selbst erledigt.
„Wir haben herausgefunden, dass elektrische Signale, die durch dieses Netzwerk geleitet werden, automatisch den besten Weg zur Informationsübertragung finden“, says Hochstetter . „Und diese Architektur ermöglicht es dem Netzwerk, sich an frühere Pfade durch das System zu erinnern.“
Das wiederum könnte zu einer deutlichen Reduzierung des Energieverbrauchs führen, da sich die Netze am Ende selbst mit den effizientesten Prozessen trainieren. Da die Netzwerke der künstlichen Intelligenz immer größer werden, wird es wichtig sein, sie schlank und so energiesparend wie möglich zu halten.
Die Wissenschaftler haben vorerst gezeigt, dass Nanodrahtnetzwerke genau an der Grenze zwischen Ordnung und Chaos Probleme am besten lösen können, ähnlich wie man es von unserem Gehirn annimmt, und das bringt uns der KI, die so denkt wie wir, einen Schritt näher .
„Das Spannende an diesem Ergebnis ist, dass es darauf hindeutet, dass diese Arten von Nanodrahtnetzwerken in Regime mit vielfältigen, gehirnähnlichen kollektiven Dynamiken abgestimmt werden können, die zur Optimierung der Informationsverarbeitung genutzt werden können.“ sagt Kuncic .
Die Forschung wurde veröffentlicht in Naturkommunikation .