Искусственный интеллект (ИИ) быстро развивается и имеет потенциал революционизировать многие аспекты нашей жизни. Традиционно ИИ использует цифровые вычисления, выполняемые на микроэлектронных чипах. Однако в последние годы исследователи заинтересовались возможностью использования физических систем для ИИ. Такие системы, известные как физические резервуары, используют динамику физических процессов, таких как водные поверхности, бактерии или модели щупалец осьминога, для выполнения вычислений.
Недавно физики из Лейпцигского университета создали тип нейронной сети, работающей не с электричеством, а с так называемыми активными коллоидными частицами. Коллоидные частицы — это частицы, тонко диспергированные в их дисперсионной среде (твердой, газовой или жидкой). Для своих экспериментов физики разработали крошечные агрегаты из пластика и наночастиц золота, в которых одна частица вращается вокруг другой, приводимая в движение лазером.
Эти устройства обладают определенными физическими свойствами, которые делают их интересными для расчета пластов. «Каждая из этих единиц может обрабатывать информацию, и многие единицы составляют так называемый резервуар. Мы изменяем вращательное движение частиц в резервуаре с помощью входного сигнала. Результирующее вращение содержит результат вычислений», — объясняет доктор. Сянцзунь Ван. «Как и многие нейронные сети, систему необходимо обучить выполнять определенные вычисления».
Новым аспектом работы Лейпцигского университета является использование коллоидных частиц в качестве физической системы для ИИ и прогнозирования временных рядов. Исследователи обнаружили, что коллоидные частицы можно использовать для выполнения вычислений, аналогичных вычислениям, выполняемым электрическими нейронными сетями. Это открывает возможность использования коллоидных частиц для создания новых типов компьютеров и других устройств, использующих ИИ.
Исследователи также обнаружили, что коллоидные частицы можно использовать для прогнозирования временных рядов. Временной ряд — это последовательность данных, взятых в течение определенного периода времени. Коллоидные частицы можно научить распознавать закономерности во временных рядах и использовать эту информацию для прогнозирования будущих значений. Это делает коллоидные частицы потенциально полезными для таких приложений, как прогнозирование погоды, прогнозирование спроса и обнаружение аномалий.
Источник:
Юнсен Сян и др., Гигантский магнитокалорический эффект в кандидате в спиновое сверхтвердое вещество Na2BaCo(PO4)2 (Junsen Xiang et al, Giant magnetocaloric effect in spin supersolid candidate Na2BaCo(PO4)2), Nature (2024). DOI: 10.1038/s41586-023-06885-w
-------------------------------------
Вы можете поддержать проект подпиской на канал, реакциями и комментариями, а также подписавшись на наши страницы на других площадках и на сервисе поддержки авторов Бусти. Ссылки найдёте в описании канала. Заранее спасибо!
