Ingenieurs van het Tokyo Institute of Technology (Tokyo Tech) hebben een computationele benadering gedemonstreerd met behulp van een ringnetwerk van gekoppelde spiking-oscillatoren met chaotische dynamiek geïmplementeerd op analoge hardware. Deze nieuwe benadering is gebaseerd op de opkomst- en patroonvormingsverschijnselen die optreden onder "onvolledige synchronisatie" binnen de chaotische dynamiek. In de toekomst kan dit een aanzienlijke impact hebben op conventionele methoden voor patroondetectie die vaak worden gebruikt in kunstmatige neurale netwerken op tegenhangers van digitale hardware.

Algoritmen op basis van kunstmatige intelligentie (AI) vinden de laatste tijd verschillende maatschappelijke toepassingen zoals gepersonaliseerde gezondheidszorg, autonoom rijden, slimme steden en precisielandbouw. De hoeveelheid rekencapaciteit die nodig is om dergelijke algoritmen in te zetten, neemt toe. Daarom kijken onderzoeksinitiatieven naar alternatieve AI-benaderingen, geïnspireerd op bestaande natuurlijke systemen.

Een benadering is het berekenen van fysieke reservoirs, waarbij een ensemble van dynamische elementen die gebruik maken van fysieke verschijnselen, wordt gebruikt om invoergegevens in kaart te brengen in een hoogdimensionale ruimte. De verdienste van deze methode is de verminderde behoefte aan trainingsalgoritmen die een grote hoeveelheid verwerkingskracht vereisen. Deze reservoirs kunnen vaak worden geïmplementeerd door zeer eenvoudige fysieke systemen en vereisen geen complexe architecturen zoals het geval is bij neurale netwerken.

Het circuit dat in deze studie werd gebruikt, het Minati-Frasca-circuit genaamd en aanvankelijk ontdekt en ontwikkeld door onderzoekers van de universiteiten van Trento en Catania in Italië, is zeer elementair, met slechts vijf passieve en twee actieve componenten, terwijl het een rijk spikinggedrag vertoont . "Deze circuits zijn echt opmerkelijk en zijn een natuurlijke kandidaat voor het berekenen van fysieke reservoirs", zegt Dr. Hiroyuki Ito, hoofd van de Nano Sensing Unit waar het onderzoek werd uitgevoerd.

De experimenten die de onderzoekers van Tokyo Tech hebben uitgevoerd, omvatten het afstemmen van de chaoticiteit en koppelingssterkte binnen een ringnetwerk van Minati-Frasca-circuits. Aanvankelijk vertoonde het netwerk bij lage waarden van een geschikte controleparameter periodieke pieken, gevolgd door zeer onregelmatig gedrag wanneer deze parameter werd verhoogd. In combinatie met het vegen van de koppelingssterkte, onthulde deze operatie een rijke verscheidenheid aan manieren waarop het netwerk synchroniseert, wat betekent dat knooppunten erin hetzelfde gedrag vertonen als kan worden waargenomen in hun golfvormen. Gezien het netwerk als geheel, kan de opkomst van synchronisatiepatronen met een preferentiële synchronisatie van sommige knooppuntparen boven andere, een situatie die bekend staat als onvolledige synchronisatie, worden waargenomen binnen chaos. Bovendien bereikt dit gebied in het geval van dit specifieke netwerk de maximale breedte nabij de rand van chaos, wat de grens is tussen periodieke en chaotische operatiegebieden.

De onderzoekers van Tokyo Tech introduceerden vervolgens twee extra factoren om de "route-naar-synchronisatie" te beïnvloeden, namelijk de injectie van coherente ruis in elk knooppunt binnen het netwerk en het opsplitsen van het netwerk in twee verschillende populaties. De eerste toonde aan dat de extra ruis de synchronisatie van het netwerk in het periodieke gebied aanzienlijk vermindert, terwijl in het chaotische gebied het gebied van onvolledige synchronisatieverschuivingen en de synchronisatie van knooppunten die niet structureel aangrenzend zijn, wordt verbeterd. Dit geeft aan dat het netwerk op een complexe manier kan reageren op externe prikkels. Het laatste experiment splitste het netwerk in twee helften, de ene opereert binnen chaos en de andere binnen periodiciteit.

De route-naar-synchronisatie onder deze conditie werd onderzocht met een koppelingssterkte-zwaai, wat een opvallende diversificatie van het synchronisatiegedrag tussen de twee populaties opleverde. Terwijl de synchronisatiesterkte gestaag toenam binnen de chaotische helft, vertoonde de periodieke helft niet-monotone effecten, d.w.z. er verschenen meerdere minima bij het vegen van de koppelingssterkte. Bovendien werd bij een gedetailleerd onderzoek van de synchronisatiepatronen een vijandig gedrag onthuld, dat een initiële synchronisatie van de periodieke helft vertoonde die vervolgens werd ingehaald door de chaotische helft, gevolgd door een uiteindelijke algemene synchronisatie tussen beide helften. Dit effect onderstreept nog eens het generatieve potentieel van dit netwerk. In wezen toont een binaire splitsing van twee populaties een sterk vereenvoudigd scenario van de invoerverstoringen waaraan dit netwerk zou kunnen worden blootgesteld wanneer het wordt gebruikt voor fysieke reservoirberekening.

Als zodanig hebben de onderzoekers het netwerk in hun onderzoek overwogen en voorgesteld om het in de toekomst te gebruiken voor het implementeren van reservoir computing door gebruik te maken van de verschillende fenomenen die hierboven zijn beschreven. "Vanuit een achtergrond van machine learning, deden de koppelingen binnen het netwerk me denken aan het werken met neurale netwerken. In het begin was ik echter niet in staat om de implicaties van veranderende dynamiek en chaos te begrijpen, aangezien conventionele AI-algoritmen meestal niet hun aangeboren dynamische activiteit", zegt Jim Bartels, een van de hoofdauteurs van deze studie. "Ik realiseerde me dat het benutten van deze dynamiek voor berekeningen goed zou passen in het veld van reservoir computing, dat een groeiend studiegebied blijft."

Na dit interview legde het team uit waarom dit type reservoircomputing gunstig zou kunnen zijn voor toepassingen in de samenleving. "Een van de belangrijkste onderzoeksgebieden waar we aan werken in de Nano Sensing Unit is classificatie van tijdreeksen voor internet-of-things (IoT)-apparaten en edge computing, zoals classificatie van diergedrag. Een zeer belangrijke overweging voor deze apparaten is hun levensduur van de batterij, omdat het de barrière voor concrete adoptie bepaalt. Wat opwindend is aan fysieke reservoirs zoals degene die we hebben voorgesteld, is de mogelijkheid om, in toekomstige geïntegreerde realisaties die nog moeten worden gebouwd, met een lager vermogen te werken dan grote digitale neurale netwerken Omdat het circuit een van de kleinste bekende typen piekgenererende oscillatoren vertegenwoordigt, die verder gaan dan de huidige proof-of-concept-fase, verwachten we dat onderzoekers over de hele wereld de vele mogelijke variaties voor aanvullende computationele kaders, zoals neurale netwerken, zullen verkennen, "ze heeft gereageerd.

Ludovico Minati, de hoofdauteur van de studie. De experimenten die werden ondernomen, het ontwerp van de hardware, de resultaten en hun discussie worden gerapporteerd in een recent artikel gepubliceerd in het tijdschrift Chaos, Solitons &Fractals . Verder zijn alle ontwerpmaterialen en experimentele data vrij downloadbaar gemaakt. + Verder verkennen

Onderzoek naar gedeeltelijke synchronisatie in netwerksystemen