«Мемристоры-палимпсесты»
⚡️ Подумала, что давно уже не писала про железо для ИИ. А тут как раз интересная новость подоспела. Сеть из мемристоров научили накапливать долговременные воспоминания и одновременно с этим продолжать обработку кратковременных запросов.
🧠 Схожим образом это происходит у биологических нейронов. Сами разработчики сравнивают эту способность со старинными рукописями — палимпсестами, текст в которых написан поверх предыдущего.
🤖 Количество вычисляемых параметров — «искусственных нейронов» — в самых больших моделях машинного обучения сегодня уже приближается к числу нервных клеток в головном мозге. При этом их способности к решению разнообразных когнитивных задач несравнимы.
🔬Предполагается, что способность живых нейронов консолидировать разные воспоминания — одна из ключевых причин, обеспечивающих высочайшую пластичность и эффективность работы мозга. Учёные попробовали создать электронные элементы памяти с аналогичными способностями.
🔀 Для этого они использовали мемристоры на основе тонких плёнок из диоксида титана. Из них была собрана примитивная сеть, содержавшая всего шесть синапсов — соединений между мемристорами. Оказалось, что если подавать на такую сеть два сигнала одновременно, информация распределяется между синапсами и частично сохраняется на каждом из них.
🌉 Дополнительные эксперименты показали, что сеть способна накапливать длительные воспоминания, одновременно сохраняя несколько картинок с качеством, достаточным для их извлечения и реконструкции. При этом параллельная обработка сотен событий за исследуемый отрезок времени никак не влияет на эти «воспоминания».
Почитать подробнее: научная статья в журнале Science Advances
#Инфраструктура_искусственного_интеллекта, #Железо_для_искусственного_интеллекта
⚡️ Подумала, что давно уже не писала про железо для ИИ. А тут как раз интересная новость подоспела. Сеть из мемристоров научили накапливать долговременные воспоминания и одновременно с этим продолжать обработку кратковременных запросов.
🧠 Схожим образом это происходит у биологических нейронов. Сами разработчики сравнивают эту способность со старинными рукописями — палимпсестами, текст в которых написан поверх предыдущего.
🤖 Количество вычисляемых параметров — «искусственных нейронов» — в самых больших моделях машинного обучения сегодня уже приближается к числу нервных клеток в головном мозге. При этом их способности к решению разнообразных когнитивных задач несравнимы.
🔬Предполагается, что способность живых нейронов консолидировать разные воспоминания — одна из ключевых причин, обеспечивающих высочайшую пластичность и эффективность работы мозга. Учёные попробовали создать электронные элементы памяти с аналогичными способностями.
🔀 Для этого они использовали мемристоры на основе тонких плёнок из диоксида титана. Из них была собрана примитивная сеть, содержавшая всего шесть синапсов — соединений между мемристорами. Оказалось, что если подавать на такую сеть два сигнала одновременно, информация распределяется между синапсами и частично сохраняется на каждом из них.
🌉 Дополнительные эксперименты показали, что сеть способна накапливать длительные воспоминания, одновременно сохраняя несколько картинок с качеством, достаточным для их извлечения и реконструкции. При этом параллельная обработка сотен событий за исследуемый отрезок времени никак не влияет на эти «воспоминания».
Почитать подробнее: научная статья в журнале Science Advances
#Инфраструктура_искусственного_интеллекта, #Железо_для_искусственного_интеллекта