Glem alt om det:Et materiale, der efterligner hjernen

Selvom kraften i vores moderne computere vokser eksponentielt, biologiske systemer – ligesom vores hjerner – forbliver de ultimative læremaskiner. Ved at finde materialer, der virker på måder, der ligner de mekanismer, som biologien bruger til at bevare og behandle information, videnskabsmænd håber at finde spor, der kan hjælpe os med at bygge smartere computere.

Inspireret af menneskelig glemsomhed – hvordan vores hjerner kasserer unødvendige data for at give plads til ny information – forskere ved det amerikanske energiministeriums (DOE) Argonne National Laboratory, i samarbejde med Brookhaven National Laboratory og tre universiteter, gennemførte en nylig undersøgelse, der kombinerede supercomputersimulering og røntgenkarakterisering af et materiale, der gradvist "glemmer". Dette kunne en dag bruges til avanceret bio-inspireret computing.

"Det er svært at skabe et ikke-levende materiale, der viser et mønster, der ligner en slags glemsel, men det specifikke materiale, vi arbejdede med, kan faktisk efterligne den slags adfærd, " sagde Subramanian Sankaranarayanan, Argonne nanoforsker og studieforfatter.

"Hjernen har begrænset kapacitet, og det kan kun fungere effektivt, fordi det er i stand til at glemme, " sagde Subramanian Sankaranarayanan, en Argonne nanovidenskabsmand og studieforfatter. "Det er svært at skabe et ikke-levende materiale, der viser et mønster, der ligner en slags glemsel, men det specifikke materiale, vi arbejdede med, kan faktisk efterligne den slags adfærd."

Materialet, kaldet en kvanteperovskit, tilbyder forskere en enklere ikke-biologisk model for, hvordan "glemsel" kan se ud på et elektronisk plan. Perovskitten viser en adaptiv reaktion, når protoner gentagne gange indsættes og fjernes, der ligner hjernens desensibilisering over for en tilbagevendende stimulus.

Når videnskabsmænd indledningsvis tilføjer eller fjerner en proton (H+) fra perovskitten (SmNiO) ₃ (SNO)) gitter, materialets atomare struktur udvider eller trækker sig dramatisk sammen for at rumme det i en proces kaldet "gitterånding". Men når dette sker igen og igen, materialets adfærd udvikler sig sådan, at gitterets vejrtrækning reduceres - proton-"truslen" får ikke længere materialet til at hyperventilere.

"Til sidst, det bliver sværere at få perovskitten til at 'pleje', hvis vi tilføjer eller fjerner en proton, " sagde Hua Zhou, en fysiker involveret i at karakterisere materialets opførsel ved hjælp af røntgenstråler leveret af Argonnes Advanced Photon Source (APS), en DOE Office of Science brugerfacilitet. "Det er ligesom når man bliver meget bange på en vandrutsjebane, første gang man går ned, men hver gang efter det har du mindre og mindre af en reaktion."

Når materialet reagerer på protoner, som videnskabsmænd adderer og trækker fra, dens evne til at modstå en elektrisk strøm kan blive alvorligt påvirket. Denne adfærd gør det muligt at programmere materialet effektivt, som en computer, ved protondoping. I det væsentlige, en videnskabsmand kunne indsætte eller fjerne protoner for at kontrollere, om perovskitten ville tillade en strøm eller ej.

Forskere har for nylig presset på for at udvikle ikke-siliciumbaserede materialer, som perovskites, til computere, fordi silicium kæmper for at bruge energi så effektivt. Forskere kan bruge perovskites i læremaskiner senere. Men forskere kan også drage fordel af perovskitegenskaber ved at bruge dem som grundlag for beregningsmodeller af mere komplekse biologiske læringssystemer.

"Disse simuleringer, som ganske nøje matcher de eksperimentelle resultater, inspirerer helt nye algoritmer til at træne neurale netværk til at lære, " sagde Zhou.

Perovskitmaterialet og de resulterende neurale netværksalgoritmer kunne hjælpe med at udvikle mere effektiv kunstig intelligens, der er i stand til ansigtsgenkendelse, ræsonnement og menneskelignende beslutningstagning. Forskere fortsætter forskningen for at opdage andre materialer med disse hjernelignende egenskaber og nye måder at programmere disse materialer på.

Endelig, i modsætning til silicium, hvis elektroniske struktur let kan beskrives ved hjælp af simple computermodeller, Forståelse af perovskitmaterialet kræver beregningsintensive simuleringer for at fange, hvordan dets struktur reagerer på protondoping.

"En klassisk ramme gælder ikke for dette komplekse system, " sagde Sankaranarayanan, som hjalp med at skabe komplekse modeller af perovskittens adfærd på Argonne's Center for Nanoscale Materials og Argonne Leadership Computing Facility, både DOE Office of Science brugerfaciliteter. "Kvanteeffekter dominerer, så det kræver meget beregningskrævende simuleringer at vise, hvordan protonen bevæger sig inde i strukturen."

Denne type omfattende forskning er en unik evne på Argonnes tværfaglige campus, hvor forskere på nemt kan dele ideer og ressourcer.

En undersøgelse baseret på forskningen, "Tilvænningsbaseret synaptisk plasticitet og organismisk læring i en kvanteperovskit, " optrådte i onlineudgaven den 14. august af Naturkommunikation .