研究人员利用了先进的光子来源来观察与学习有关的非生存材料模仿行为。这为更好的人工智能设定了舞台。
研究人员设计了一个基于氧化镍的系统，该系统展示了学习行为，并且在RRAM阵列中很容易实现。图片来源：普渡大学/Sandip Mondal。
希望使新一代超级计算机希望受到有史以来最复杂和节能的计算机的启发：所谓的人脑。
在他们最初涉足脑力启发的计算机的最初尝试中，科学家正在研究各种非生物学材料，这些材料可以定制以显示类似学习的行为的证明。欧洲杯足球竞彩
这样的材料欧洲杯足球竞彩可以为硬件提供基础，该硬件可以与新的软件算法相匹配，以允许高度有效，有益和节能的人工智能（AI）。
在普渡大学的研究人员领导的一项新研究中，科学家发现了缺氧氧化镍以简要介绍电脉冲，并引起了两种与学习相似的不同电反应。
罗格斯大学教授Shriram Ramanathan说，结果是一个全电动驱动的系统，它显示了这些学习行为。（Ramanathan在这项工作时是普渡大学的教授。）
研究小组使用了美国能源部（DOE）科学用户设施的高级光子源（APS）资源欧洲杯线上买球阿贡国家实验室。
当材料“习惯”被打倒时，最初的反应，习惯。研究人员观察到，即使材料的阻力在初次震动之后升高，但很快就会对电刺激进行。
习惯就像您住在机场附近时发生的事情。您搬进来的那一天，您认为“什么球拍”，但最终您几乎不再注意到了。
Argonne National Laboratory高级光子来源物理学家和光束线科学家Fanny Rodolakis
材料显示的另一个响应，即敏化，当施用较大剂量的电力时发生。
随着较大的刺激，材料的反应会增长，而不是随着时间的流逝而减少。这类似于看一部恐怖电影，然后有人从角落里说“嘘！”。
Argonne National Laboratory高级光子来源物理学家和光束线科学家Fanny Rodolakis
拉玛纳森说：“几乎所有生物都证明了这两个特征。它们确实是智力的基本方面。”
这两种行为受到经典物理无法解释的电子之间的量子相互作用的调节，这有助于为材料的相变基础发展基础。
相变的一个例子是液体成为固体。我们正在查看的材料在边界上，并且可以通过小刺激轻松地以一种或另一种方式将电子级别进行的竞争互动轻松倾斜。
Argonne National Laboratory高级光子来源物理学家和光束线科学家Fanny Rodolakis
拉马纳森（Ramanathan）表示，对于脑启发的计算应用程序，必须完全受电信号调节的系统的可用性。
Rodolakis解释说：“能够以这种方式操纵材料将使硬件承担一些智力的责任。欧洲杯足球竞彩使用量子属性将智能进入硬件是迈向节能计算的关键步骤。”
敏化和习惯化之间的差异可以帮助研究人员征服难以开发AI（称为稳定性困境）的困难。另一方面，人工智能算法通常可能不愿适应新数据。
但是，与此同时，当他们这样做时，他们经常可以忽略一些他们之前学到的知识。通过制造有潜力的材料，研究人员可以教会其忽略或忘记不必要的数据，从而达到额外的稳定性。同时，灵敏度可以训练它以记住并整合新信息，从而促进可塑性。
Rodolakis说：“AI通常很难学习和存储新信息，而没有覆盖已经存储的信息。过多的稳定性阻止了人工智能学习，但是太多的可塑性会导致灾难性遗忘。”
新研究的一个主要好处包括镍氧化物装置的小尺寸。
Rodolakis补充说：“此类型的学习以前在没有大量晶体管的情况下在当前的电子产品中没有进行。这个单个连接系统是迄今为止显示这些属性的最小系统，这对神经形态电路的可能发展具有很大的影响。”
为了发现对习惯和敏化行为负责的原子级动力学，Rodolakis和Argonne的Hua Zhou利用APS的Beamlines 29-ID-D和33-ID-D使用X射线吸收光谱。
该研究得到了DOE科学办公室（基础能源科学办公室），陆军研究办公室，空军科学研究办公室和国家科学基金会的支持。欧洲杯线上买球
期刊参考：
Mondal，S。，等。（2022）在氧化镍镍中全电动非社交学习。先进的智能系统。doi.org/10.1002/aisy.202200069。
来源：https://www.anl.gov/