Système informatique expérimental de sort cerveau plus précis avec algorithme personnalisé

Un système informatique expérimental calqué sur un cerveau biologique a « appris » à identifier les nombres manuscrits avec une précision globale de 93,4 %. Los angeles principale innovation de l’expérience était un nouvel algorithme d’entraînement qui donnait au système des informations continues sur sa réussite dans los angeles tâche en temps réel pendant l’apprentissage. L’étude a été publiée dans Communications naturelles.

L’algorithme a surpassé une approche traditionnelle d’apprentissage automatique dans laquelle los angeles formation était effectuée après le traitement d’un ensemble de données, ce qui a permis d’obtenir une précision de 91,4 %. Les chercheurs ont également montré que los angeles mémoire des entrées précédentes stockées dans le système lui-même améliore l’apprentissage. En revanche, d’autres méthodes informatiques stockent los angeles mémoire dans un logiciel ou un matériel distinct du processeur de l’appareil.

En 15 ans, des chercheurs du California NanoSystems Institute de l’Université de Californie à Los Angeles, ou CNSI, ont développé une nouvelle technologie de plate-forme informatique. Los angeles technologie est un système inspiré du cerveau et constitué d’un réseau enchevêtré de fils contenant de l’argent, placés sur un lit d’électrodes. Le système reçoit des entrées et produit des sorties by way of des impulsions électriques. Les fils individuels sont si petits que leur diamètre est mesuré à l’échelle nanométrique, un milliardième de mètre.

Les « petits cerveaux d’argent » sont très différents des ordinateurs d’aujourd’hui, qui disposent d’unités de mémoire et de traitement discrètes constituées d’atomes dont les positions ne changent pas lorsque les électrons les traversent. En revanche, le réseau de nanofils est physiquement remodelé en réponse à des stimuli, los angeles mémoire étant basée sur sa construction atomique et se propageant dans tout le système. Lorsque les fils se chevauchent, des connexions peuvent se former ou se rompre, ce qui est similaire au comportement des synapses dans un cerveau biologique où les neurones communiquent entre eux.

Des collaborateurs de recherche de l’Université de Sydney ont développé un algorithme simplifié pour fournir des entrées et interpréter les résultats. L’algorithme est personnalisé pour exploiter los angeles capacité cérébrale du système à changer dynamiquement et à traiter plusieurs flux de données simultanément.

Le système semblable à un cerveau est constitué d’un matériau contenant de l’argent et du sélénium, qui a pu s’auto-organiser en un réseau de nanofils enchevêtrés sur un réseau de 16 électrodes.

Les scientifiques ont formé et testé le réseau de nanofils à l’aide d’pictures de nombres manuscrits, un ensemble de données créé par l’Institut nationwide des normes et applied sciences et souvent utilisé pour comparer les systèmes d’apprentissage automatique. Les pictures ont été envoyées au système pixel par pixel à l’aide d’impulsions électriques d’une durée chacune d’une milliseconde, avec différentes tensions représentant des pixels clairs ou sombres.

Le réseau de nanofils, encore en cours de développement, devrait nécessiter beaucoup moins d’énergie que les systèmes d’IA à base de silicium pour effectuer des tâches similaires. Le réseau se montre également prometteur dans les tâches que l’IA actuelle a du mal à accomplir : comprendre des données complexes, telles que les stipulations météorologiques, le trafic et d’autres systèmes qui évoluent au fil du temps. Pour ce faire, l’IA d’aujourd’hui nécessite d’énormes quantités de données d’entraînement et des dépenses énergétiques très élevées.

Avec le sort de co-conception utilisé dans cette étude – matériel et logiciels développés côte à côte – les réseaux de nanofils pourraient à terme jouer un rôle complémentaire aux côtés des dispositifs électroniques à base de silicium. Los angeles mémoire et les traitements de sort cérébral intégrés dans des systèmes physiques capables de s’adapter et d’apprendre en continu peuvent être particulièrement bien adaptés à ce que l’on appelle « l’informatique de pointe », qui traite instantanément des données complexes sans avoir besoin de se connecter à des serveurs distants.

Les utilisations potentielles incluent los angeles robotique, los angeles navigation autonome dans des machines telles que les véhicules et les drones, et los angeles technologie des appareils intelligents qui composent l’Web des objets, ainsi que los angeles surveillance de los angeles santé et los angeles coordination des mesures à partir de capteurs situés à plusieurs endroits.