Utiliser l’électricité pour trouver des matériaux qui peuvent “apprendre”

Les scientifiques ont utilisé l’Advanced Photon Source pour imiter le comportement du matériel inanimé lié à l’apprentissage, ouvrant la voie à une meilleure intelligence artificielle.

Les scientifiques qui cherchent à construire la prochaine génération de superordinateurs cherchent l’inspiration dans l’ordinateur le plus complexe et le plus économe en énergie jamais créé : le cerveau humain.

Dans certaines premières tentatives de création d’ordinateurs inspirés par le cerveau, les chercheurs étudient une variété de matériaux non biologiques dont les propriétés peuvent être adaptées pour montrer des preuves de comportements d’apprentissage. Ces matériaux peuvent constituer la base d’un matériel qui peut être combiné avec de nouveaux algorithmes logiciels pour créer une intelligence artificielle (IA) plus puissante, utile et économe en énergie.

Dans une nouvelle étude menée par des scientifiques de l’Université Purdue, les chercheurs ont exposé de l’oxyde de nickel pauvre en oxygène à de brèves impulsions électriques et ont provoqué deux réponses électriques distinctes similaires à l’apprentissage. Le résultat est un système entièrement contrôlé électriquement qui présente ces comportements d’apprentissage, a déclaré Sriram Ramanathan, professeur à l’Université Rutgers. (Ramanathan était professeur à l’Université Purdue au moment de ce travail.) L’équipe de recherche a utilisé les ressources de l’Advanced Photon Source (APS), une installation utilisateur du Bureau des sciences du Département américain de l’énergie (DOE) au Laboratoire national d’Argonne du DOE.

La première réaction, l’accoutumance, se produit lorsque le matériau « s’habitue » à une légère occupation. Les scientifiques ont noté que bien que la résistance du matériau augmente après le choc initial, il s’adapte rapidement au stimulus électrique. “C’est comme ce qui se passe lorsque vous vivez près d’un aéroport”, explique Fanny Rodolakis, physicienne et scientifique des lignes de lumière à l’APS. “Le jour où tu bouges, tu te dis ”quel vacarme”, mais à la fin, tu ne le sens plus.”

Une autre réaction que le matériau montre, la sensibilisation, se produit lorsqu’une plus grande dose d’électricité est appliquée. “Avec un stimulus plus important, la réponse du matériau augmente avec le temps au lieu de diminuer”, a déclaré Rodolakis. “C’est comme regarder un film d’horreur et puis quelqu’un dit ‘Whoah !’ c’est comme dire. au coin de la rue – vous le voyez vraiment sauter.”

“Presque tous les organismes vivants présentent ces deux propriétés”, a déclaré Ramanathan. “Ils sont vraiment un aspect clé de l’intelligence.”

Ces deux comportements sont gouvernés par des interactions quantiques entre électrons qui ne peuvent être décrites par la physique classique et contribuent à sous-tendre la transition de phase dans le matériau. “Un exemple de transition de phase est lorsqu’un liquide se transforme en solide”, a déclaré Rodolakis. “Le matériau que nous examinons est à la frontière, et les interactions compétitives qui se déroulent au niveau électronique peuvent facilement être manipulées d’une manière ou d’une autre par de petits stimuli.”

Avoir un système qui peut être complètement contrôlé par des signaux électriques est essentiel pour les applications informatiques inspirées par le cerveau, a déclaré Ramanathan. “Pouvoir manipuler des matériaux de cette manière permettra à l’appareil d’assumer une partie de la responsabilité de l’exploration”, a-t-il déclaré. “L’utilisation des propriétés quantiques pour acquérir de l’intelligence dans le matériel est une étape clé vers une informatique économe en énergie.”

La distinction entre accoutumance et sensibilisation peut aider les scientifiques à surmonter le soi-disant dilemme stabilité-plasticité dans le développement de l’intelligence artificielle. D’une part, les algorithmes d’IA peuvent souvent être très réticents à s’adapter aux nouvelles données. Mais d’un autre côté, quand ils le font, ils peuvent souvent oublier une partie de ce qu’ils ont déjà appris. En créant un matériau habitable, les scientifiques peuvent lui apprendre à ignorer ou à oublier les informations inutiles, obtenant ainsi une stabilité supplémentaire, tandis que la sensibilisation peut lui apprendre à se souvenir et à incorporer de nouvelles informations, ce qui lui donne de la plasticité.

“L’IA a souvent du mal à apprendre et à retenir de nouvelles informations sans écraser les informations déjà stockées”, a déclaré Rodolakis. “Trop de stabilité empêche l’intelligence artificielle d’apprendre, mais trop de plasticité peut conduire à un oubli catastrophique.”

Le principal avantage de la nouvelle recherche était lié à la petite taille du dispositif à l’oxyde de nickel. “Ce type d’apprentissage n’a jamais été fait auparavant dans la génération actuelle d’électronique sans un grand nombre de transistors”, a déclaré Rodolakis. “Ce système à nœud unique est le plus petit système à ce jour pour montrer ces propriétés, qui ont des implications majeures pour le développement possible de circuits neuromorphiques.”

Rodolakis et Hua Zhou d’Argonne ont utilisé la spectroscopie d’absorption des rayons X sur les lignes de lumière 29-ID-D et 33-ID-D d’APS pour révéler la dynamique à l’échelle atomique responsable des comportements d’accoutumance et de sensibilité.

Un article basé sur la recherche a été publié le 19 septembre Systèmes intelligents avancés.

La recherche a été financée par l’Office of Science du DOE (Office of Basic Energy Sciences), l’Army Research Office, l’Air Force Office of Scientific Research et la National Science Foundation.

Leave a Reply

Your email address will not be published. Required fields are marked *