In wat een kleine stap zou kunnen zijn voor de wetenschap die mogelijk tot een doorbraak zou kunnen leiden, een ingenieur aan de Washington University in St. Louis heeft stappen gezet in de richting van het gebruik van nanokristalnetwerken voor toepassingen van kunstmatige intelligentie.

Elia Thimsen, assistent-professor energie, milieu- en chemische technologie in de School of Engineering &Applied Science, en zijn medewerkers hebben een model ontwikkeld om bestaande theorieën te testen over hoe elektronen door nanomaterialen bewegen. Dit model kan de basis leggen voor het gebruik van nanomaterialen in een machine learning-apparaat.

"Als je apparaten bouwt van nanomaterialen, ze gedragen zich niet altijd zoals ze zouden doen voor een bulkmateriaal, Thimsen zei. "Een van de dingen die drastisch verandert, is de manier waarop deze elektronen door materiaal bewegen, het elektronentransportmechanisme genoemd, maar het is niet goed begrepen hoe dat gebeurt."

Thimsen en zijn team baseerden het model op een ongebruikelijke theorie dat elk nanodeeltje in een netwerk een knooppunt is dat is verbonden met elk ander knooppunt, niet alleen de directe buren. Even ongebruikelijk is dat de stroom die door de knooppunten vloeit niet noodzakelijk de ruimten tussen de knooppunten inneemt - het hoeft alleen door de knooppunten zelf te gaan. Dit gedrag, die wordt voorspeld door het model, produceert experimenteel waarneembare stroomhotspots op nanoschaal, zei de onderzoeker.

In aanvulling, het team keek naar een ander model genaamd een neuraal netwerk, gebaseerd op het menselijk brein en zenuwstelsel. Wetenschappers hebben gewerkt aan het bouwen van nieuwe computerchips om deze netwerken te emuleren. maar deze chips zijn ver verwijderd van het menselijk brein, die tot 100 miljard nodes bevat en 10, 000 verbindingen per knooppunt.

"Als we een enorm aantal knooppunten hebben - veel groter dan alles wat bestaat - en een enorm aantal verbindingen, hoe trainen we het?" Vraagt ​​Thimsen. "We willen dit grote netwerk iets nuttigs laten uitvoeren, zoals een patroonherkenningstaak."

Op basis van die netwerktheorieën, Thimsen heeft een eerste project voorgesteld om een ​​eenvoudige chip te ontwerpen, geef het specifieke input en bestudeer de output.

"Als we het behandelen als een neuraal netwerk, we willen zien of de uitvoer van het apparaat afhankelijk is van de invoer, Thimsen zei. "Als we dat eenmaal kunnen bewijzen, we zullen de volgende stap zetten en een nieuw apparaat voorstellen waarmee we dit systeem kunnen trainen om een ​​eenvoudige patroonherkenningstaak uit te voeren."

De resultaten van hun werk werden gepubliceerd in geavanceerde online publicatie van The Journal of Physical Chemistry C .