Імітація розуму: квантовий матеріал демонструє «нелокальну» поведінку, схожу на мозок

Q-MEEN-C з Каліфорнійського університету в Сан-Дієго розробляє комп’ютери, схожі на мозок, шляхом імітації нейронів і синапсів у квантових матеріалах. Нещодавні відкриття в нелокальних взаємодіях представляють критичний крок до більш ефективного апаратного забезпечення штучного інтелекту, яке може зробити революцію в технології штучного інтелекту.

Ми часто вважаємо, що комп’ютери ефективніші за людей. Зрештою, комп’ютери можуть миттєво розв’язувати складні математичні рівняння та згадувати імена, які ми можемо забути. Однак людський мозок може обробляти складні шари інформації швидко, точно та майже без витрат енергії. Прикладами таких завдань є розпізнавання обличчя, побаченого лише один раз, або відрізнення гори від океану. Ці, здавалося б, прості людські функції вимагають значної обробки та енергії від комп’ютерів, і навіть тоді результати можуть відрізнятися за точністю .

У пошуках розумових обчислень

Створення схожих на мозок комп’ютерів з мінімальними потребами в енергії могло б революціонізувати майже всі аспекти сучасного життя. Загальнонаціональний консорціум Quantum Materials for Energy Efficient Neuromorphic Computing (Q-MEEN-C), очолюваний Університетом Каліфорнії в Сан-Дієго, який фінансується Міністерством енергетики, займає перше місце в цьому дослідженні.

Доцент фізики Каліфорнійського університету в Сан-Дієго Алекс Франьо є співдиректором Q-MEEN-C і розглядає роботу центру поетапно. На першому етапі він тісно співпрацював із почесним президентом Каліфорнійського університету та професором фізики Робертом Дайнсом, а також професором інженерії Рутгерса Шрірамом Раманатаном. Разом їхні команди успішно знайшли способи створення або імітації властивостей одного елемента мозку (наприклад, нейрона або синапсу) у квантовому матеріалі.

Нові відкриття та віхи

Тепер, на другому етапі, нове дослідження Q-MEEN-C, опубліковане в Nano Letters, показує, що електричні подразники, що передаються між сусідніми електродами, також можуть впливати на не сусідні електроди. Це відкриття, відоме як нелокальність, є важливою віхою на шляху до нових типів пристроїв, які імітують функції мозку, відомі як нейроморфні обчислення.

«У мозку розуміють, що ці нелокальні взаємодії є номінальними — вони відбуваються часто і з мінімальними зусиллями», — заявив Франьо, один із співавторів статті. «Це важлива частина того, як працює мозок, але схожа поведінка, відтворена в синтетичних матеріалах, є рідко».

Як і багато дослідницьких проектів, які зараз приносять плоди, ідея перевірити, чи можлива нелокальність у квантових матеріалах, виникла під час пандемії. Приміщення фізичної лабораторії були закриті, тому команда провела обчислення на масивах, які містили кілька пристроїв для імітації кількох нейронів і синапсів у мозку. Під час проведення цих тестів вони виявили, що нелокальність теоретично можлива.

Від теорії до практики

Коли лабораторії знову відкрилися, вони вдосконалили цю ідею й залучили доцента інженерної школи Каліфорнійського університету в Сан-Дієго Джейкобса Дуйгу Кузума, чия робота в галузі електротехніки та комп’ютерної інженерії допомогла їм перетворити симуляцію на справжній пристрій.

Це передбачало взяття тонкої плівки нікеляту — кераміки «квантового матеріалу», яка демонструє багаті електронні властивості — вставлення іонів водню, а потім розміщення металевого провідника зверху. До металу прикріплюється дріт, щоб на нікелат можна було надіслати електричний сигнал. Сигнал змушує гелеподібні атоми водню переходити в певну конфігурацію, і коли сигнал припиняється, нова конфігурація залишається.

«По суті, так виглядає спогад», — сказав Франьо. «Пристрій пам’ятає, що ви спотворили матеріал. Тепер ви можете точно налаштувати, куди йдуть ці іони, щоб створити шляхи, які є більш провідними та легшими для проходження електрики».

До спрощеного дизайну

Традиційно створення мереж, які транспортують достатню кількість електроенергії для живлення чогось на зразок ноутбука, потребує складних схем із безперервними точками з’єднання, що неефективно та дорого. Концепція дизайну від Q-MEEN-C набагато простіша, оскільки нелокальна поведінка в експерименті означає, що всі дроти в ланцюзі не повинні бути з’єднані один з одним. Подумайте про павутину, де рух однієї частини можна відчути всією мережею.

Це аналогічно тому, як навчається мозок: не лінійно, а складно. Кожен фрагмент навчання створює зв’язки в багатьох областях мозку, що дозволяє нам відрізняти не тільки дерева від собак, але й дуб від пальми або золотистого ретривера від пуделя.

Проблема розпізнавання образів

На сьогодні ці завдання з розпізнавання образів, які мозок виконує так чудово, можна змоделювати лише за допомогою комп’ютерного програмного забезпечення. Програми зі штучним інтелектом, такі як ChatGPT і Bard, використовують складні алгоритми, щоб імітувати діяльність мозку, як-от мислення та письмо. І вони роблять це дуже добре. Але без відповідного вдосконаленого апаратного забезпечення для його підтримки в якийсь момент програмне забезпечення досягне своєї межі.

Наступний етап і висновок

Франьо в захваті від апаратної революції, яка буде подібна до тієї, що зараз відбувається з програмним забезпеченням, і показує, що можна відтворити нелокальну поведінку в синтетичному матеріалі, що робить вчених на крок ближче. Наступний крок включатиме створення більш складних масивів з більшою кількістю електродів у складних конфігураціях.

«Це дуже важливий крок вперед у наших спробах зрозуміти та змоделювати функції мозку», — сказав Дайнс, який також є співавтором. «Показ системи, яка має нелокальні взаємодії, веде нас далі в напрямку мислення нашого мозку. Звичайно, наш мозок набагато складніший за цей, але фізична система, яка здатна до навчання, має бути дуже інтерактивною, і це необхідний перший крок. Тепер ми можемо думати про довготривалу когерентність у просторі та часі»

«Загальновідомо, що для того, щоб ця технологія дійсно вибухнула, нам потрібно знайти способи покращити апаратне забезпечення — фізичну машину, яка може виконувати завдання в поєднанні з програмним забезпеченням», — заявив Франьо. «На наступному етапі ми будемо створювати ефективні машини, фізичні властивості яких є тими, які навчаються. Це дасть нам нову парадигму у світі штучного інтелекту». Джерело