電気を使って学習できる素材を見つける

May 04, 2023

新世代のスーパーコンピューターの開発を目指す科学者たちは、これまでに作られた中で最も複雑でエネルギー効率の高いコンピューターである人間の脳からインスピレーションを得ようとしています。

研究者らは、脳にヒントを得たコンピューターの開発への最初の取り組みの一部で、学習のような行動の証拠を示すためにその特性を調整できるさまざまな非生物学的材料に注目している。 これらの材料は、新しいソフトウェア アルゴリズムと組み合わせて、より強力で有用でエネルギー効率の高い人工知能 (AI) を可能にするハードウェアの基礎を形成する可能性があります。

新しい研究ではパデュー大学の科学者が率いる研究者らは、酸素欠乏酸化ニッケルを短時間の電気パルスにさらし、学習に似た 2 つの異なる電気反応を引き起こした。 ラトガース大学のシュリラム・ラマナサン教授によると、その結果、こうした学習行動を示す全電気駆動システムが誕生したという。 (この研究の当時、ラマナサンはパデュー大学の教授でした。) 研究チームは、米国エネルギー省 (DOE) のアルゴンヌ国立研究所にある科学局のユーザー施設である高度光子源 (APS) のリソースを使用しました。

最初の反応である慣れは、素材がわずかにザッピングされることに「慣れる」ときに発生します。 科学者らは、最初の衝撃の後に材料の抵抗が増加するものの、すぐに電気刺激に慣れることに気づきました。 「慣れというのは、空港の近くに住んでいるときに起こることのようなものです」と、APSの物理学者でビームライン科学者のファニー・ロドラキス氏は言う。 「引っ越した日は『なんてひどいことだろう』と思うでしょうが、最終的にはほとんど気にならなくなります。」

この材料が示すもう 1 つの反応である感作は、より多くの電気量が投与されたときに発生します。 「より大きな刺激を与えると、材料の反応は時間の経過とともに減少するのではなく増加します」とロドラキス氏は述べた。 「怖い映画を見て、誰かに『ブー！』と言われるのと似ています。 コーナーの後ろから見ると、本当にジャンプしているのがわかります。」

「ほぼすべての生物がこれら 2 つの特徴を示しています」とラマナサン氏は言う。 「それらはまさに知性の基礎的な側面です。」

これら 2 つの挙動は、古典物理学では説明できない電子間の量子相互作用によって制御され、材料の相転移の基礎を形成するのに役立ちます。 「相転移の一例は、液体が固体になることです」とロドラキス氏は言う。 「私たちが見ている物質はまさに境界線上にあり、電子レベルで起こっている競合する相互作用は、小さな刺激によって簡単にどちらかの方向に傾く可能性があります。」

ラマナサン氏は、電気信号によって完全に制御できるシステムを持つことは、脳から着想を得たコンピューティングアプリケーションにとって不可欠であると述べた。 「この方法でマテリアルを操作できるようになると、ハードウェアがインテリジェンスに対する責任の一部を担うことができるようになります」と彼は説明した。 「量子特性を利用してハードウェアにインテリジェンスを取り込むことは、エネルギー効率の高いコンピューティングに向けた重要なステップとなります。」

慣れと感作の違いは、科学者が安定性と可塑性のジレンマと呼ばれる AI 開発の課題を克服するのに役立ちます。 人工知能アルゴリズムは、一方では、新しい情報に適応することにあまりにも消極的であることがよくあります。 しかしその一方で、学んだことの一部を忘れてしまうことがよくあります。 科学者は、習慣化できる素材を作成することで、不必要な情報を無視または忘れるように教えることができ、さらなる安定性を達成することができます。一方、感作によって新しい情報を記憶して取り込むように訓練し、可塑性を可能にすることができます。

「AIは、すでに保存されている情報を上書きせずに新しい情報を学習して保存するのが難しい場合が多い」とロドラキス氏は述べた。 「安定性が高すぎると AI の学習が妨げられますが、可塑性が高すぎると致命的な忘却につながる可能性があります。」

新しい研究の主な利点の 1 つは、酸化ニッケル デバイスのサイズが小さいことです。 「この種の学習は、多数のトランジスタを使わない現世代のエレクトロニクスではこれまで行われていなかった」とロドラキス氏は語った。 「この単一接合システムは、これらの特性を示すこれまでで最小のシステムであり、ニューロモーフィック回路の開発の可能性に大きな意味を持ちます。」

慣れと感作の挙動に関与する原子スケールのダイナミクスを検出するために、Rodolakis と Argonne の Hua Zhou は、APS のビームライン 29-ID-D と 33-ID-D で X 線吸収分光法を使用しました。

- このプレスリリースはもともとアルゴンヌ国立研究所のウェブサイトに掲載されたものです