科學家打造奈米磁鐵組成的自旋玻璃神經網路,引爆 AI 應用與低功耗運算新典範

作者 | 發布日期 2022 年 04 月 01 日 8:30 | 分類 AI 人工智慧 , 奈米 , 尖端科技 Telegram share ! follow us in feedly


美國能源部旗下洛斯阿拉莫斯國家實驗室(Los Alamos National Laboratory)研究人員在國際期刊《自然物理》(Nature Physics)上刊登論文指出,他們完成了一項破天荒的實驗性實現,亦即人工打造出一個由奈米磁鐵(nanomagnet)組成的自旋玻璃(Spin Glass),以便用來複製神經網路,此舉有可能引發人工智慧領域的新典範。自旋玻璃不同尋常的特性能使某種形式的人工智慧能夠像大腦一樣從部分影像中辨識物體,這也展現出低功耗運算的前景。 

洛斯阿拉莫斯國家實驗室研究團隊的最新研究,可說是第一次利用電子束光刻技術,自由調整這些自旋系統之間的交互作用,這使得它能夠表示自旋玻璃網路中的各種運算問題。自旋玻璃系統可說是一種由材料中兩種磁序(Magnetic Order)之間隨機互動與競爭而產生的奈米磁鐵無序系統。它們會表現出所謂的「阻挫現象」(Frustration),這意味著當它們溫度下降時,它們不會處於統一有序的配置狀態,而且它們具有獨特的熱力學和動力學特徵,可以用於運算應用上。

該研究團隊將人工自旋玻璃當作一個原理驗證(Proof-of-Principle,PoP)的 Hopfield 神經網路來製造和觀察,它可以為聯想記憶(Associative Memory)進行數學建模,以解釋人工自旋系統的無序性。自旋玻璃和 Hopfield 網路已經發展成共生關係。聯想記憶(無論是在 Hopfield 網路還是其他形式的神經網路中)會將兩個或多個與某物體相關的記憶模式連結起來。如果只有一段記憶被觸發,神經網路也能回憶起整張臉的樣貌。與更傳統演算法不同的是,聯想記憶並不需要完全相同的場景與情境來確認記憶。

比起其他神經網路,自旋玻璃網路比較不受雜訊的干擾。同時,在自旋玻璃中開發的 AI 演算法將比傳統演算法「更無序」,但對於某些 AI 應用來說也更靈活。

(首圖來源:Los Alamos National Laboratory