Russiske forskere har udviklet et træningsbart neuralt netværk lavet af plast

Oprettelsen af ​​nye systemer med kunstig intelligens er fortsat et af de mest lovende områder inden for moderne videnskab. Fælles indsats fra russiske fysikere fra Kurchatov Institut, Moskva Phystech, Skt. Petersborg, Moskva Universiteter og deres italienske kolleger fra Parma Universitet har skabt et neuralt netværk baseret på polymermemristorer.

For information er memristor og resistor analoger. Hovedforskellen mellem en memristor og dens "bror" er, at den er i stand til at ændre dens egenskaber afhængigt af størrelsen på det eksterne signal. I dette ligner de bemærkelsesværdigt synapser - forbindelser mellem to neuroner i hjernen, som også fleksibelt ændrer signal transmissionens effektivitet.

Polyanilinpolymer blev valgt som materiale til fremstilling af memristorer. Derefter begyndte forskerne at træne det kunstige neurale netværk, de skabte. Til dette blev impulser tilført dets input i en tilfældig sekvens. I tilfælde af et forkert svar blev der straks givet en speciel korrigerende impuls. Processen med at træne netværket bestod af flere gentagelser - mindst 15 gange - af sådanne operationer, hvorefter systemet blev indstillet til den "ønskede tilstand" og var i stand til at udføre grundlæggende logiske operationer.

Forskere er kun i begyndelsen af ​​rejsen. Fremad skal de minimere størrelsen på memristorer til en størrelse på 10 nanometer for at øge hastigheden på deres reaktion på indgående signaler. Først derefter vil det være muligt at tale om den praktiske anvendelse af udviklingen.