DMCA.com Protection Status

VẬT LIỆU NHÂN TẠO CÓ THỂ BẮT CHƯỚC NÃO NGƯỜI?  quan tâm

Được đăng bởi: Ẩn danh

Cập nhật lúc 17:20 ngày 30/12/2017

Ngay cả khi sức mạnh của máy tính hiện đại của chúng ta phát triển theo cấp số nhân, các hệ thống sinh học – như bộ não của chúng ta – vẫn là những cỗ máy học tập tuyệt vời nhất. Bằng cách tìm ra các vật liệu hoạt động theo cách tương tự như các cơ chế mà sinh học sử dụng để lưu giữ và xử lý thông tin, các nhà khoa học hy vọng sẽ tìm ra các đầu mối để giúp chúng ta xây dựng các máy tính thông minh hơn.

Lấy cảm hứng từ chứng hay quên của não người–Cách mà bộ não loại bỏ các thông tin không cần thiết để tạo chỗ cho những thông tin mới hơn– Các nhà khoa học thuộc Phòng thí nghiệm Quốc gia Argonne thuộc Bộ Năng lượng Hoa Kỳ phối hợp với phòng thí nghiệm quốc gia Brookhaven và ba trường đại học tiến hành một nghiên cứu gần đây kết hợp giữa mô phỏng các siêu máy tính và đặc tính tia X của một vật liệu mà dần dần “quên đi”. Điều này có thể cho phép một ngày nào đó nó sẽ được sử dụng cho máy tính lấy cảm hứng từ sinh học tiên tiến.

“Bộ não con người có dung lượng có hạn, và nó chỉ có thể hoạt động một cách hoàn hảo bởi vì nó có khả năng quên đi,” Subramanian Sankaranarayanan, nhà nghiên cứu nano và nhà nghiên cứu Argonne nói: “Thật khó để tạo ra một vật liệu không sống, cho thấy một mẫu hình giống như một “quên”, nhưng vật liệu cụ thể mà chúng tôi đang làm việc có thể thực sự bắt chước hành vi đó.”

http://timbimat.com/wp-content/uploads/2017/11/cc-1-e1510721667804.jpg

Khi các nhà khoa hc bước đu b sung hoc loi b mt proton t mng perovskite, cu trúc nguyên t ca nó s m rng hoc thu nh vi tc đ rt ln đ cha nó trong mt quá trình gi là lattice breathing. Nhưng khi quá trình xy ra nhiu ln, hot đng này s biến mt, ging như s quên lãng ca con người.Credit: Image by Argonne National Laboratory

Vật liệu được gọi là perovskite lượng tử, cung cấp cho các nhà nghiên cứu một mô hình phi sinh học đơn giản về cái mà “sự lãng quên” có thể giống ở mức độ điện tử. Perovskite thể hiện phản ứng thích ứng khi các proton được đưa vào và gỡ bỏ liên tục giống như sự kích thích của não với một kích thích định kỳ.

Khi các nhà khoa học bước đầu thêm hoặc loại bỏ một proton (H +) từ mạng perovskite (SmNiO3), cấu trúc nguyên tử của vật liệu sẽ mở rộng hoặc hợp đồng với tốc độ rất lớn để chứa nó trong một quá trình gọi là “lattice breathing”. Nhưng khi điều này xảy ra nhiều lần, hành vi của vật liệu phát triển như vậy khiến cho hơi thở của lưới bị giảm đi – “mối đe dọa” của proton không còn làm cho vật liệu bị hưng phấn.

http://timbimat.com/wp-content/uploads/2017/11/Brain-Neurons-Firing.jpg

Ông Hua Zhou, một nhà vật lí tham gia vào việc mô tả hành vi của vật liệu bằng cách sử dụng tia X do Argonne’s Advanced Photon Source (APS) đưa ra, “cuối cùng, sẽ rất khó để tạo ra sự “quan tâm” của perovskite nếu chúng ta bổ sung hoặc loại bỏ một proton” , Văn phòng Khoa học của Sở KHCN Hoa Kỳ. “Giống như khi bạn sợ hãi khi trượt nước trong lần đầu tiên đi xuống, nhưng mỗi lần sau đó bạn lại ít phản ứng lại hơn.”

Khi vật liệu phản ứng với proton mà các nhà khoa học thêm vào và trừ ra, khả năng chống lại dòng điện có thể bị ảnh hưởng nghiêm trọng. Hành vi này cho phép vật liệu được lập trình hiệu quả, giống như một máy tính, bằng doping proton. Về cơ bản, một nhà khoa học có thể chèn hoặc loại bỏ các proton để kiểm soát xem perovskite có thể cho phép dòng điện hay không.

http://timbimat.com/wp-content/uploads/2017/11/44C989B100000578-0-image-a-144_1506529779370.jpg

Các nhà nghiên cứu gần đây đã thúc thúc đẩy việc phát triển các vật liệu không silic, như perovskites, cho máy tính vì silicon phải vật lộn để sử dụng năng lượng một cách hiệu quả. Các nhà khoa học có thể sử dụng perovskites trong việc xây dựng các cỗ máy học hỏi về sau. Nhưng các nhà khoa học cũng có thể tận dụng các thuộc tính perovskite bằng cách sử dụng chúng như là cơ sở cho các mô hình tính toán của các hệ thống học tập sinh học phức tạp hơn.

Zhou cho biết: “Những mô phỏng này tương đối phù hợp với kết quả thực nghiệm, đang gây cảm hứng cho các thuật toán hoàn toàn mới để huấn luyện mạng nơ-ron trong việc học hỏi.”

Vật liệu perovskite và thuật toán mạng thần kinh kết quả có thể giúp phát triển trí thông minh nhân tạo hiệu quả hơn có khả năng nhận dạng khuôn mặt, lý luận và sự ra quyết định giống như con người. Các nhà khoa học đang tiếp tục nghiên cứu để khám phá ra các chất liệu khác với những đặc tính giống như não và những cách mới để lập trình các vật liệu này.

Cuối cùng, không giống như silicon, có cấu trúc điện tử có thể dễ dàng mô tả bằng các mô hình máy tính đơn giản, việc hiểu được vật liệu perovskite yêu cầu mô phỏng tính toán phức tạp để nắm bắt cấu trúc của nó phản ứng như thế nào với proton doping.

http://timbimat.com/wp-content/uploads/2017/11/AdobeStock_96115541-600x315.png

Sankaranarayanan, người đã giúp tạo ra các mô hình phức tạp về hành vi của perovskite tại Trung tâm Vật liệu Nano Argonne và Argonne Leadership Computing Facility, cả Văn phòng Bộ Năng Lượng của  Science User Facilities, cho biết: “Một khuôn mẫu cổ điển không áp dụng cho hệ thống phức tạp này. “Các hiệu ứng lượng tử chiếm ưu thế, vì vậy đòi hỏi nhiều mô hình tính toán đòi hỏi tính toán để cho thấy proton di chuyển bên trong cấu trúc như thế nào”.

Loại nghiên cứu toàn diện này là khả năng đặc biệt của trường liên ngành Argonne, nơi các nhà khoa học có thể dễ dàng chia sẻ ý tưởng và nguồn lực.

Một nghiên cứu trong dự án mang tên, “Habituation based synaptic plasticity and organismic learning in a quantum perovskite“(“Tính dẻo dai dựa trên sự hình thành thói quen và học tập hướng sinh học trong perovskite lượng tử”), đã xuất hiện trên tờ Nature Communications số ra ngày 14 tháng 8.

Nghiên cứu được liên kết với Trung tâm Vật liệu Spintronic, giao diện và kiến ​​trúc mới (C-SPIN), một trong sáu trung tâm được tài trợ bởi Tập đoàn Semiconductor Research và Defense Advanced Research Projects Agency..

Tài trợ cho nghiên cứu được cung cấp bởi Văn phòng Nghiên cứu Quân đội Hoa Kỳ, Văn phòng Nghiên cứu Khoa học của Không lực Hoa Kỳ, C-SPIN, Tập đoàn Intel và bởi Hội Nghiên cứu Khoa Vannevar Bush.

Nhóm nghiên cứu bao gồm các nhà nghiên cứu từ Argonne, Phòng thí nghiệm quốc gia Brookhaven, MIT, Đại học Purdue và Đại học Rutgers.