Международная группа под руководством ученых из Сиднейского университета продемонстрировала, что нанопроволочные сети могут демонстрировать краткосрочную и долгосрочную память, как человеческий мозг, сообщает Phys.org.
Исследование было опубликовано сегодня в журнале Science Advances. Исследованием руководил доктор Алон Лоффлер, получивший степень доктора философии в Школе физики, с сотрудниками из Японии.
"В этом исследовании мы обнаружили, что когнитивные функции высшего порядка, которые мы обычно связываем с человеческим мозгом, могут быть эмулированы в небиологическом оборудовании", - сказал доктор Лоффлер.
Эта работа основывается на наших предыдущих исследованиях, в которых мы показали, как нанотехнологии могут быть использованы для создания электрического устройства, вдохновленного мозгом, с нейронной сетью, похожей на схему, и синапсоподобной сигнализацией".
"Наша нынешняя работа прокладывает путь к воспроизведению мозгоподобного обучения и памяти в небиологических аппаратных системах и предполагает, что в основе мозгоподобного интеллекта может лежать физическая природа".
Нанопроводные сети - это тип нанотехнологии, обычно изготавливаемый из крошечных, высокопроводящих серебряных проводов, невидимых невооруженным глазом, покрытых пластиковым материалом, которые разбросаны друг по другу подобно сетке. Провода имитируют некоторые аспекты сетевой физической структуры человеческого мозга.
Достижения в области нанопроволочных сетей могут предвещать множество реальных применений, например, улучшение робототехники или сенсорных устройств, которые должны быстро принимать решения в непредсказуемой среде.
"Эта нанопроволочная сеть похожа на синтетическую нейронную сеть, потому что нанопроволоки действуют как нейроны, а места, где они соединяются друг с другом, аналогичны синапсам", - сказал старший автор работы профессор Зденка Кунчич из Школы физики.
"Вместо того чтобы реализовать какую-то задачу машинного обучения, в данном исследовании доктор Лоффлер сделал еще один шаг вперед и попытался продемонстрировать, что сети нанопроводов демонстрируют некую когнитивную функцию".
Чтобы проверить возможности нанопроволочной сети, исследователи провели тест, похожий на обычную задачу на запоминание, используемую в экспериментах по психологии человека, называемую задачей N-Back.
Для человека задача N-Back может включать запоминание конкретной фотографии кошки из серии последовательно представленных изображений кошачьих. Оценка N-Back в 7 баллов, средняя для людей, означает, что человек может узнать то же изображение, которое появилось семь шагов назад.
Применив нанопроволочную сеть, исследователи обнаружили, что она может "вспомнить" желаемую конечную точку в электрической цепи на семь шагов назад, что означает оценку 7 баллов в тесте N-Back.
Пути нанопроволочной сети изменяются и укрепляются с течением времени
"Мы манипулировали напряжением на концевых электродах, чтобы заставить пути измениться, а не позволять сети действовать самостоятельно. Мы заставили пути идти туда, куда мы хотели", - сказал доктор Лоффлер.
Когда мы это реализовали, точность запоминания была намного выше и не уменьшалась со временем, что говорит о том, что мы нашли способ укрепить пути, чтобы подтолкнуть их туда, куда мы хотим, а затем сеть запоминает это".
"Неврологи считают, что именно так работает мозг: одни синаптические связи усиливаются, а другие ослабевают, и считается, что именно так мы преимущественно запоминаем некоторые вещи, учимся и так далее".
По словам исследователей, когда сеть нанопроводов постоянно укрепляется, она достигает точки, когда укрепление больше не требуется, поскольку информация закрепляется в памяти.
"Это похоже на разницу между долгосрочной и краткосрочной памятью в нашем мозге", - сказал профессор Кунчич.
Если мы хотим запомнить что-то надолго, нам действительно нужно постоянно тренировать наш мозг, чтобы закрепить это, иначе со временем это просто исчезнет".
"Одна из задач показала, что сеть нанопроводов может хранить в памяти до семи предметов с точностью, значительно превышающей случайную, без тренировки с подкреплением и с почти идеальной точностью с тренировкой с подкреплением".
Дополнительная информация: Alon Loeffler et al, Neuromorphic learning, working memory, and metaplasticity in nanowire networks, Science Advances (2023). Ccылка Science Advances