Kunstmatige intelligentie die gebruik maakt van neurale netwerken voert berekeningen digitaal uit met behulp van micro-elektronische chips. Natuurkundigen van de Universiteit van Leipzig hebben nu een soort neuraal netwerk gecreëerd dat niet met elektriciteit werkt, maar met zogenaamde actieve colloïdale deeltjes. In hun publicatie in Nature Communications beschrijven de onderzoekers hoe deze microdeeltjes gebruikt kunnen worden als fysiek systeem voor kunstmatige intelligentie en het voorspellen van tijdreeksen.

“Ons neurale netwerk behoort tot het vakgebied van de ‘physical reservoir computing’, waarbij de dynamiek van fysieke processen, zoals wateroppervlakken, bacteriën of octopustentakelmodellen, wordt gebruikt om berekeningen te maken”, zegt professor Frank Cichos, wiens onderzoeksgroep het netwerk heeft ontwikkeld met de ondersteuning van ScaDS.AI.

“In onze realisatie gebruiken we synthetische zelfrijdende deeltjes die slechts enkele micrometers groot zijn”, legt Cichos uit. “We laten zien dat deze gebruikt kunnen worden voor berekeningen en presenteren tegelijkertijd een methode die de invloed van verstorende effecten, zoals ruis, op de beweging van de colloïdale deeltjes onderdrukt.” Colloïdale deeltjes zijn deeltjes die fijn verspreid zijn in hun dispersiemedium (vast, gas of vloeistof).

Voor hun experimenten ontwikkelden de natuurkundigen kleine eenheden gemaakt van plastic en gouden nanodeeltjes, waarin het ene deeltje rond het andere draait, aangedreven door een laser. Deze eenheden hebben bepaalde fysieke eigenschappen die ze interessant maken voor reservoircomputers.

"Elk van deze eenheden kan informatie verwerken, en veel eenheden vormen het zogenaamde reservoir. We veranderen de rotatiebeweging van de deeltjes in het reservoir met behulp van een invoersignaal. De resulterende rotatie bevat de uitkomst van een berekening", legt Dr. Xiangzun Wang. "Net als veel neurale netwerken moet het systeem worden getraind om een ​​bepaalde berekening uit te voeren."

De onderzoekers waren vooral geïnteresseerd in geluid. "Omdat ons systeem extreem kleine deeltjes in water bevat, is het reservoir onderhevig aan sterke ruis, vergelijkbaar met de ruis waaraan alle moleculen in de hersenen onderhevig zijn", zegt Cichos.

"Deze ruis, de Brownse beweging, verstoort de werking van de reservoircomputer ernstig en vereist meestal een zeer groot reservoir om te verhelpen. In ons werk hebben we ontdekt dat het gebruik van eerdere toestanden van het reservoir de computerprestaties kan verbeteren, waardoor kleinere reservoirs kunnen worden gebruikt voor bepaalde berekeningen onder luidruchtige omstandigheden."

Cichos voegt eraan toe dat dit niet alleen heeft bijgedragen aan de informatieverwerking met actieve materie, maar ook een methode heeft opgeleverd die reservoirberekeningen kan optimaliseren door ruis te verminderen.

Meer informatie: Xiangzun Wang et al, Het benutten van synthetische actieve deeltjes voor het berekenen van fysieke reservoirs, Natuurcommunicatie (2024). DOI:10.1038/s41467-024-44856-5

Journaalinformatie: Natuurcommunicatie

Aangeboden door de Universiteit van Leipzig