AI-implikationer:Ingeniørmodellen danner grundlag for maskinlæringsenhed

I hvad der kunne være et lille skridt for videnskaben, der potentielt kan føre til et gennembrud, en ingeniør ved Washington University i St. Louis har taget skridt i retning af at bruge nanokrystal netværk til kunstig intelligens applikationer.

Elijah Thimsen, adjunkt i energi, miljø- og kemiteknik på School of Engineering &Applied Science, og hans samarbejdspartnere har udviklet en model, hvor man kan teste eksisterende teorier om, hvordan elektroner bevæger sig gennem nanomaterialer. Denne model kan lægge grundlaget for brug af nanomaterialer i en maskinindlæringsenhed.

"Når man bygger enheder ud af nanomaterialer, de opfører sig ikke altid som de ville for et bulk -materiale, "Thimsen sagde." En af de ting, der ændrer sig dramatisk, er den måde, hvorpå disse elektroner bevæger sig gennem materiale, kaldet elektrontransportmekanisme, men det er ikke godt forstået, hvordan det sker. "

Thimsen og hans team baserede modellen på en usædvanlig teori om, at hver nanopartikel i et netværk er en knude, der er forbundet til hver anden knude, ikke kun dens nærmeste naboer. Lige så usædvanligt er, at strømmen, der strømmer gennem noderne, ikke nødvendigvis optager mellemrummene mellem noderne - den behøver kun at passere gennem noderne selv. Denne adfærd, som forudsiges af modellen, producerer eksperimentelt observerbare aktuelle hotspots på nanoskalaen, sagde forskeren.

Ud over, holdet kiggede på en anden model kaldet et neuralt netværk, baseret på den menneskelige hjerne og nervesystem. Forskere har arbejdet på at bygge nye computerchips til at efterligne disse netværk, men disse chips mangler langt fra den menneskelige hjerne, som indeholder op til 100 milliarder noder og 10, 000 forbindelser pr. Node.

"Hvis vi har et stort antal noder - meget større end noget, der findes - og et stort antal forbindelser, hvordan træner vi det? "spørger Thimsen." Vi ønsker at få dette store netværk til at udføre noget nyttigt, såsom en mønstergenkendelsesopgave. "

Baseret på disse netværksteorier, Thimsen har foreslået et indledende projekt for at designe en simpel chip, give det særlige input og studere output.

"Hvis vi behandler det som et neuralt netværk, vi vil se, om output fra enheden afhænger af input, "Sagde Thimsen." Når vi kan bevise det, vi tager det næste trin og foreslår en ny enhed, der giver os mulighed for at træne dette system til at udføre en simpel mønstergenkendelsesopgave. "

Resultaterne af deres arbejde blev offentliggjort i avanceret online -udgivelse af The Journal of Physical Chemistry C .