Físicos da Universidade Estadual de Petrozavodsk propuseram um novo método para a rede neural oscilatória reconhecer imagens simples. Essas redes com um estado síncrono ajustável de neurônios individuais têm, presumivelmente, dinâmica semelhante aos neurônios no cérebro vivo.

Uma rede neural oscilatória é um entrelaçamento complexo de elementos em interação (osciladores) que são capazes de receber e transmitir oscilações de uma determinada frequência. Recebendo sinais de várias frequências de elementos anteriores, o oscilador de neurônio artificial pode sincronizar seu ritmo com essas flutuações. Como resultado, na rede, alguns dos elementos são sincronizados entre si (ativados periódica e simultaneamente), e outros elementos não são sincronizados. Desta forma, uma imagem espaço-temporal da distribuição de sincronização é formada. É comumente assumido que tais processos são responsáveis ​​pelo processamento e transmissão de informações no cérebro humano, e, portanto, são de particular interesse para o estudo.

Os cientistas do Departamento de Eletrônica e Engenharia de Energia da Petrozavodsk State University estabeleceram a meta de reconhecimento de padrões com base em redes de osciladores acoplados implementadas em estruturas de dióxido de vanádio. Os físicos desenvolveram um método de registro de sincronização com alta sensibilidade e seletividade. Ao aplicá-lo na prática, é possível criar uma rede capaz de reconhecer imagens da mesma forma que os sistemas neurais biológicos o fazem.

No estudo, as imagens de entrada na forma de tabelas de dimensão três por três foram transmitidas para a rede alterando as correntes de alimentação, e as correntes mudaram as frequências de oscilação dos osciladores. Como resultado, a rede reagia a cada imagem recebida com uma dinâmica específica. A ideia do novo método era selecionar parâmetros-chave de rede para treinar o sistema para sincronizar apenas para uma imagem de entrada específica, o que significa reconhecê-lo.

O estado de sincronização do oscilador do neurônio de saída em relação ao ritmo do oscilador do neurônio principal foi escolhido como o sinal de saída registrado. Os autores demonstraram que a sincronização pode ser observada não apenas nas frequências fundamentais, mas também em suas múltiplas partes (subharmônicas). Um aumento no número de estados síncronos devido a sub-harmônicas é chamado de efeito de sincronização de alta ordem. Tendo simultaneamente vários estados de sincronização, o neurônio se torna um neurônio multinível. Portanto, uma rede oscilatória de um pequeno número de neurônios pode realizar operações complexas, como a fala, reconhecimento de imagem e vídeo, e resolver a previsão, problemas de otimização e controle.

Usando esta propriedade, os pesquisadores configuraram a rede de forma que diferentes imagens de entrada causassem diferentes padrões de sincronização da rede oscilatória. Eles descobriram que a rede era capaz de reconhecer simultaneamente até 14 figuras de três por três de 102 variantes possíveis, embora tenha apenas um oscilador na saída.

"No futuro, chips de rede neural compactos com osciladores em nanoescala podem ser criados com base nessas redes. A característica distintiva da tecnologia de rede neural que estamos desenvolvendo é um sistema de processamento de informações fundamentalmente novo. O efeito da sincronização de alta ordem de sinais pulsados ​​permite a utilização de neurônios multinível com um alto grau de funcionalidade. A vantagem de tais redes neurais oscilatórias é a perspectiva de criar redes neurais usando uma ampla variedade de osciladores físicos, incluindo osciladores magnéticos e elétricos. Ao mesmo tempo, a rede treinada não precisa mais de cálculos de computador, e opera independentemente como um organismo neural separado, "diz o professor associado Andrei Velichko.