为当今领先的人工智能当涉及到如何识别大脑中的模式时,系统的表现会大大超过人脑大的成片的静态数据。但是w如果没有什么数据可供学习或这个数据流随着时间的推移而动态变化,它们往往很难处理。

不过,这正是人脑发光的地方,这让许多研究人员开始尝试借用它的一些设计原则来创建新的计算范式,这个领域被称为神经计算.

现在,来自悉尼大学和日本国家材料科学研究所的研究人员已经表明,他们可以使用一个随机的纳米线网络来复制结构和这个解决简单的大脑动力学处理任务。

“这个结果让人兴奋的是,它表明这些类型的纳米线网络可以被调整成具有多样性的、类似大脑的集体动力学的区域,可以用来优化信息处理。”悉尼大学Zdenka Kuncic安永在新闻稿中.

今天的深层神经网络已经模拟了大脑的一个方面:高度互联的神经元网络。但是人工神经元的行为非常不同生物的,因为它们只进行计算。在大脑中,神经元也能记住他们以前的活动,从而影响他们未来的行为。

这种内建的记忆是大脑处理信息的一个重要方面,而神经形态工程学的一个主要分支就是试图重建这种功能。这就产生了一系列所谓的忆阻器“:电气元件,其响应取决于它们之前接触到的信号。

在银纳米线相互重叠的连接处也发现了记忆特性,这使得它们成为神经形态工程师越来越受欢迎的目标。它们还有一个额外的好处,那就是它们可以自我组装成复杂的网络,这与在大脑中发现的记忆连接有点像神经元之间的突触一样。

在帕普r英寸自然通讯,这个研究人员描述了他们如何创建一个10微米的随机纳米线网络R它的长度和厚度不超过500纳米,然后对其进行电刺激。

当电流通过网络时,记忆结开关,改变了信号的路径。但是这种转换的模式根据输入信号的强度有很大的不同。当信号很低时,路径是非常有序和可预测的,但当信号很高时,路径变得完全混乱。

为了测试这些动力学是否可以用于信息处理,研究小组创建了一个网络模拟,并试图教它如何执行一个简单的信号处理任务,将一个波形转换成另一个波形。

他们调整了输入的振幅和频率,看看这是否会影响性能,并发现当信号强度正好处于将网络推入混沌状态的尖端时,网络表现最好。这个发现很有趣,因为有人推测人类的大脑也在这种状态下运作。

“神经科学的一些理论表明,人类的思维可以在这种混乱的边缘运作,也就是所谓的临界状态,”Kuncic说一些神经科学家认为,正是在这种状态下,我们才能获得最大的大脑表现。”

研究人员的另一个诱人发现是佤邦当试图在最不相似的波形之间转换时,“混沌边缘”状态是最强大的。这与之前的结果相吻合,并表明虽然这种方法对于简单的任务可能不太有效,但它特别适合于更复杂的任务。

然而,要让这些纳米线网络接近人脑的能力还有很长的路要走。研究人员提出的挑战非常简单,到目前为止,它只在网络模拟中得到证实,而不是在真实的东西中。这种“混沌边缘”状态在多大程度上是大脑工作方式的核心,目前还远未确定。

但结果是失败的D纳米线网络可能是一个很有前途的发展道路再造大脑强大而节能的处理过程。

图片来源:格德阿尔特曼皮克斯湾