科學(xué)家用銀線團搭建「納米線網(wǎng)絡(luò)」，觸電就像大腦一樣運作

【導(dǎo)讀】來自悉尼大學(xué)和日本國家材料科學(xué)研究所的科學(xué)家們在自然通訊上發(fā)文：通過納米線網(wǎng)絡(luò)能夠模擬人類大腦對于電信號的應(yīng)激反應(yīng)，這可能為人工智能領(lǐng)域打開一扇新的大門。

如今主流的人工智能技術(shù)從某種意義上來講是受到大腦結(jié)構(gòu)的啟發(fā)而發(fā)明的。

然而隨著計算機算力的不斷提升，計算機的AI計算已經(jīng)與人腦有了本質(zhì)的區(qū)別：與人類大腦相比，AI通過在大數(shù)據(jù)中尋找模型規(guī)律的能力是人類大腦遠不能及的。

但是人類的大腦顯然不相信「大力出奇跡」，并且大腦處理的信息往往都是稀疏、復(fù)雜而且時時都在劇烈變化的。

這也是如今不少AI科學(xué)家們夢寐以求的特性。最近，來自悉尼大學(xué)和日本國家材料科學(xué)研究所的科學(xué)家們在自然通訊上發(fā)表論文，試著通過使用納米線網(wǎng)絡(luò)（NWN）來模擬人類大腦在受到電激時的反應(yīng)，實驗效果還不錯。

所謂納米線網(wǎng)絡(luò)是由一堆平均長度不超過10微米，直徑不超過500納米的銀納米團隨機鋪在晶圓上，并且在上面覆蓋一層約1納米厚的絕緣聚合物。

與傳統(tǒng)的集成電路不同的是，當(dāng)電流流經(jīng)網(wǎng)絡(luò)時，將引起銀離子在聚合物中遷徙，從而在流經(jīng)不同的類似突觸結(jié)構(gòu)時，便會產(chǎn)生與人類大腦類似的反應(yīng)。

這也為從微觀物理結(jié)構(gòu)角度來解釋大腦的工作原理打下了基礎(chǔ)。

研究團隊的最新結(jié)果表明，將納米線網(wǎng)絡(luò)保持在一個類似「混沌邊緣」的狀態(tài)，在處理任務(wù)時可以獲得相當(dāng)高效而且理想的結(jié)果。

這似乎為人工智能計算打開了新的大門。

納米線網(wǎng)絡(luò)模型

研究人員利用含有PVP涂層的自組裝銀納米線形成高度無序、復(fù)雜的網(wǎng)絡(luò)拓撲。NWN作為一種神經(jīng)形態(tài)設(shè)備，在整個網(wǎng)絡(luò)的固定電極位置之間應(yīng)用偏壓操作。

為了更深入地了解神經(jīng)形態(tài)動力學(xué)，研究人員開發(fā)了一個物理驅(qū)動的 Ag PVP NWN 計算模型。

▲圖a. 自組裝銀納米線光學(xué)顯微鏡圖像（1:100微米）

圖c. Gjn對∣Λ∣的非線性相關(guān)性，即產(chǎn)生類似開關(guān)的交界動態(tài)

當(dāng) 0 ≤ ∣Λ∣ < Λcrit 時為絕緣。當(dāng)∣Λ∣ 接近 Λcrit 時，交界處過渡到隧穿狀態(tài)，其中電導(dǎo)隨 ∣Λ∣ 的增加呈指數(shù)增長。?

接下來，論文介紹了使用該模型做的模擬實驗，分析該神經(jīng)形態(tài)系統(tǒng)的網(wǎng)絡(luò)級動態(tài)。

NWN的自適應(yīng)

▲圖a. 初始不活動的 NWN（所有交界處 Λ = 0）的 DC 激活曲線

圖b. NWN 的快照可視化，顯示第一傳輸通路的形成，對應(yīng)到最短路徑長度 n。

圖c. 穩(wěn)態(tài)網(wǎng)絡(luò)電導(dǎo)

該部分的研究結(jié)果表明，NWN能夠自適應(yīng)地響應(yīng)外部驅(qū)動，并且可以在雙穩(wěn)態(tài)（LCS和HCS）之間進行一階相變。這些全局網(wǎng)絡(luò)動態(tài)狀態(tài)源于節(jié)點之間的循環(huán)連接及其切換狀態(tài)。

節(jié)點切換驅(qū)動非本地傳輸

網(wǎng)絡(luò)激活或去激活可以理解為節(jié)點之間的循環(huán)連接中出現(xiàn)的集體效應(yīng)。

根據(jù)基爾霍夫定律（KVL），所有進入某節(jié)點的電流總和等于所有離開這節(jié)點的電流總和；沿著閉合回路所有元件兩端的電壓的代數(shù)和等于零。

經(jīng)過一系列交匯點的切換，實驗結(jié)果表明，傳輸通路的出現(xiàn)是因為復(fù)雜網(wǎng)絡(luò)拓撲結(jié)構(gòu)和憶阻連接點切換之間產(chǎn)生的耦合。當(dāng)連接點過渡到導(dǎo)電狀態(tài)時，會引發(fā)級聯(lián)活動，自適應(yīng)地重新將電壓分配到周圍。

雪崩開關(guān)動力學(xué)

研究團隊發(fā)現(xiàn)，在神經(jīng)元群和其他神經(jīng)形態(tài)系統(tǒng)中，具有無標度大小和生命周期事件統(tǒng)計數(shù)據(jù)的雪崩，這是臨界動力學(xué)的一個標志。

通過改變遠離閾值Vth的驅(qū)動電壓強度，雪崩分布開始偏離冪律。

當(dāng)V*<1時，網(wǎng)絡(luò)中無法形成通路，切換會導(dǎo)致小規(guī)模雪崩（圖中黑點所示）。?

當(dāng)V*接近1時，分布延長，成為冪律（圖中紅點所示）。

當(dāng)V*=1時，即網(wǎng)絡(luò)激活時，雙峰分布明顯，雪崩特征明顯且出現(xiàn)在冪律尾部。

隨著網(wǎng)絡(luò)規(guī)模增加，凸起相對于冪律區(qū)域的概率密度也會增加。這表明這些異常大的雪崩符合超臨界狀態(tài)。

用信號控制網(wǎng)絡(luò)狀態(tài)

在不同的電信號刺激下，納米線網(wǎng)絡(luò)呈現(xiàn)出了不同狀態(tài)的反應(yīng)。想要讓納米線網(wǎng)絡(luò)呈現(xiàn)出「邊緣混沌」狀態(tài)，需要令驅(qū)動系統(tǒng)的交流電信號的李雅普諾夫指數(shù)λ≈0。

當(dāng)λ≈0的時候，系統(tǒng)會進入到「邊緣混沌」狀態(tài)

另外研究還發(fā)現(xiàn)，當(dāng)慢速驅(qū)動時，網(wǎng)絡(luò)能夠適應(yīng)并維持擾動幅度，而當(dāng)快速驅(qū)動時，網(wǎng)絡(luò)則無法適應(yīng)擾動，并且會導(dǎo)致相鄰網(wǎng)絡(luò)節(jié)點分離。而頻率的快慢則取決于信號的幅度以及網(wǎng)絡(luò)的結(jié)構(gòu)（大小和密度）。而在擾動收縮和擾動增長之間的動態(tài)平衡機制，則可以維持系統(tǒng)的穩(wěn)定性。

所以通過調(diào)整驅(qū)動信號來控制系統(tǒng)狀態(tài)，可以令納米線網(wǎng)絡(luò)維持在理想的狀態(tài)下。

納米線網(wǎng)絡(luò)初試鋒芒

為了驗證納米線網(wǎng)絡(luò)的性能，研究團隊使用它進行了簡單的波形變換工作。

將正弦波輸入網(wǎng)絡(luò)，通過線性回歸模型來訓(xùn)練不同目標的波形，最后將納米線電壓作為輸出?？梢垣@得下圖的波形：

可以驗證，不同的λ值對應(yīng)著不同的變換精度，當(dāng)λ≈0時，系統(tǒng)精度達到了0.95，對于方形波而言，當(dāng)網(wǎng)絡(luò)處于「混沌」狀態(tài)時（λ＞0），精度會迅速下降。根據(jù)不同復(fù)雜度的計算任務(wù)，系統(tǒng)的計算精度展現(xiàn)出不同的變化，但是當(dāng)系統(tǒng)處于「混沌邊緣」狀態(tài)時，表現(xiàn)最為出色。

總而言之，納米線神經(jīng)網(wǎng)絡(luò)可以通過控制輸入信號的控制下可以在有序和混沌狀之間進行調(diào)整，這表明納米線網(wǎng)絡(luò)可以調(diào)整成為與大腦類似的，多樣化的動力學(xué)機制，在信息處理以及人工智能的相關(guān)計算領(lǐng)域潛力巨大。

對于傳統(tǒng)的人工智能網(wǎng)絡(luò)而言，計算機在訓(xùn)練網(wǎng)絡(luò)算法時需要判斷給哪個節(jié)點分配適量的負載，而這套系統(tǒng)則不需要類似的算法，因為納米線網(wǎng)絡(luò)可以自動適應(yīng)并分配節(jié)點的負載。

這可以節(jié)省許多的計算資源，還能夠降低AI計算的碳足跡，發(fā)表這項研究的科學(xué)家說到。

審核編輯 ：李倩