Hvad lærer guldsmede os om missilforsvar?

Vær taknemmelig for, at du ikke er på en guldsmede. Du er måske en frugtflue eller måske en myg, men det ville virkelig være ligegyldigt i det øjeblik du ser tilbage og ser fire kraftige vinger dunke gennem luften efter dig. Du flyver for dit liv, væver undvigende, men guldsmeden sporer dig på en eller anden måde med tilsyneladende øjeblikkelige reflekser. I et øjeblik, du tror du er sluppet væk, ligesom den lukker hurtigt nedefra for drabet.

Derefter, som rovdyret fra dinosaur-æraen kløer sig ind i dig med sine stikkende ben og trækker dig ind i kæberne midt i luften, du undrer dig måske over dig selv, "Hvordan fangede det mig med en så lille hjerne og ingen dybdeopfattelse?"

Sandia National Laboratories går ind på svaret med forskning, der viser, hvordan guldsmedehjerner kan forbindes til at være ekstremt effektive til at beregne komplekse baner.

I de seneste computersimuleringer har falske guldsmede i et forenklet virtuelt miljø fangede med succes deres bytte ved hjælp af computeralgoritmer designet til at efterligne den måde en guldsmed behandler visuel information under jagt. De positive testresultater viser, at programmeringen grundlæggende er en sund model.

Sandia-forskningen undersøger, om guldsmede-inspireret computing kunne forbedre missilforsvarssystemer, som har den samme opgave at opsnappe et objekt i flugt, ved at gøre kørecomputere mindre uden at ofre hastighed eller nøjagtighed. Guldsmede fanger 95% af deres bytte, kroning dem som en af ​​de bedste rovdyr i verden.

Computational neuroscientist Frances Chance, hvem der udviklede algoritmerne, præsenterer sin forskning i denne uge på den internationale konference om neuromorfe systemer i Knoxville, Tennessee. Tidligere på måneden, hun præsenterede på det årlige møde i Organisationen for Computational Neurosciences i Barcelona, Spanien.

Forskning replikerer guldsmedens yderst effektive hjerne

Chance har specialiseret sig i at replikere biologiske neurale netværk - hjerner, dybest set - som kræver mindre energi og er bedre til at lære og tilpasse end computere. Hendes studier fokuserer på neuroner, som er celler, der sender information gennem nervesystemet.

"Jeg forsøger at forudsige, hvordan neuroner er forbundet i hjernen og forstår, hvilke slags beregninger disse neuroner laver, baseret på hvad vi ved om dyrets adfærd eller hvad vi ved om de neurale reaktioner, " hun sagde.

For eksempel, en guldsmed reaktionstid på et manøvrerende bytte er blot 50 millisekunder. Et menneskeligt blink tager omkring 300 millisekunder. Halvtreds millisekunder er kun tid nok til, at information kan krydse omkring tre neuroner. Med andre ord, at følge med en guldsmede, et kunstigt neuralt netværk skal udføres med at behandle oplysninger efter kun tre trin - dog, fordi hjerner affyrer mange signaler på én gang, hvert trin kan indebære mange beregninger, der kører på samme tid.

Hurtigere, lettere computing til missilforsvar

Missilforsvarssystemer er afhængige af etablerede aflytningsteknikker, der er, relativt set, beregningstung. Men nytænkning af disse strategier ved hjælp af meget effektive guldsmede som model kan potentielt:

• Skrump størrelsen, vægt og strømbehov for indbyggede computere. Dette ville gøre det muligt for interceptorer at være mindre og lettere, og derfor mere manøvredygtig.
• Afslør nye måder at opfange manøvreringsmål såsom hypersoniske våben, som følger mindre forudsigelige baner end ballistiske missiler.
• Afslør nye måder at finde et mål på med mindre sofistikerede sensorer, end der bruges i øjeblikket.

Guldsmede og missiler bevæger sig med vidt forskellige hastigheder, så det er uvist, hvor godt denne forskning i sidste ende vil oversætte til missilforsvar. Men at udvikle en beregningsmodel af en guldsmedehjerne kan også have langsigtede fordele for maskinlæring og kunstig intelligens.

AI bruges i vidt forskellige industrier, fra selvkørende transport til udvikling af receptpligtig medicin. Disse felter kan vinde på meget effektive metoder til at konstruere hurtige løsninger på komplekse problemer. Løbende forskning hos Sandia forfiner Chance's algoritmer og bestemmer, hvor de er mest anvendelige.