Ein Team von Wissenschaftlern unter der Leitung des Physikers Samuel Dillavou baute durch Verbinden ein kleines elektrisches Netzwerk auf
„Das Netzwerk wurde so konfiguriert, dass es viele Aufgaben ausführen kanneinfache KI-Aufgaben“, sagt Dillavu. „Zum Beispiel kann es anhand von vier Parametern mit einer Genauigkeit von über 95 % zwischen drei Arten von Schwertlilien unterscheiden: der Länge und Breite der Blüten- und Kelchblätter.“
Für maschinelles Lernen ist dies normalerweise KImit künstlichen neuronalen Netzen. Solche Netzwerke existieren normalerweise nur im Speicher des Computers. Ein neuronales Netz besteht aus Punkten oder Knoten, die jeweils einen Wert von 0 bis 1 annehmen können und durch Kanten verbunden sind. Jede Kante hat ihr eigenes Gewicht, abhängig von den Werten in den Knoten. Beim Training eines solchen Systems ist es notwendig, das Gewicht der Kanten anzupassen, um das gewünschte Ergebnis zu erzielen.
„Das ist ein kniffliges Optimierungsproblemnimmt mit der Größe des Netzwerks erheblich zu und erfordert eine große Menge an Rechenressourcen“, bemerkt Dillavu. „Die Situation wird dadurch kompliziert, dass alle Kanten gleichzeitig gestimmt werden müssen.“
Um dieses Problem zu umgehen, suchten Physiker nach Systemen, die sich ohne externe Berechnungen selbst abstimmen können.
Im Rahmen ihrer Forschung bauten die Wissenschaftler zweiidentische Netzwerke übereinander. In einem geschlossenen Netzwerk legten sie Spannung an und zeichneten die erforderlichen Werte an den Ausgangselementen auf. In einem offenen Netzwerk wurde nur die Spannung am Eingangswiderstand eingestellt.
Das System reguliert den Widerstand an den Widerständenin zwei Netzen abhängig von der Spannungsdifferenz zwischen identischen Knoten in jedem von ihnen. Über mehrere Iterationen brachten diese Anpassungen alle Spannungen über alle Widerstände in den beiden Netzwerken in Einklang. Das System hat gelernt, für gegebene Eingabewerte die richtige Ausgabe zu erzeugen.
Foto: Wissenschaft
"Dieses Setup erfordert wenig Berechnung,sagt Dillavu. — Das System muss lediglich den Spannungsabfall über den jeweiligen Widerständen im geschlossenen und freien Netz mit einem Komparator vergleichen. Unsere Arbeit beweist die grundsätzliche Möglichkeit einer neuen Art des maschinellen Lernens, die keine großen Berechnungen erfordert.“
Weiter lesen:
"James Webb" hat das klarste Foto eines Stars in der Geschichte gemacht
Freiwilliger Tod. Wir erzählen, wie das Sterbehilfeverfahren auf der ganzen Welt funktioniert
Wissenschaftler stoßen auf eine 1.500 Jahre alte archäologische Anomalie