Pela primeira vez, foi demonstrado que uma rede neural física aprende e lembra "on the fly", de uma forma inspirada e semelhante à forma como os neurônios do cérebro funcionam.



O resultado abre um caminho para o desenvolvimento de inteligência de máquina eficiente e de baixo consumo de energia para tarefas de aprendizagem e memória mais complexas do mundo real.

Publicado hoje em Nature Communications , a pesquisa é uma colaboração entre cientistas da Universidade de Sydney e da Universidade da Califórnia em Los Angeles.

Autor principal Ruomin Zhu, Ph.D. estudante do Nano Institute e da Escola de Física da Universidade de Sydney, disse:"As descobertas demonstram como as funções de aprendizagem e memória inspiradas no cérebro usando redes de nanofios podem ser aproveitadas para processar dados dinâmicos e de streaming."

As redes de nanofios são compostas de minúsculos fios com apenas bilionésimos de metro de diâmetro. Os fios se organizam em padrões que lembram o jogo infantil “Pick Up Sticks”, imitando redes neurais, como as do nosso cérebro. Essas redes podem ser usadas para realizar tarefas específicas de processamento de informações.

As tarefas de memória e aprendizagem são realizadas usando algoritmos simples que respondem a mudanças na resistência eletrônica nas junções onde os nanofios se sobrepõem. Conhecida como “comutação de memória resistiva”, essa função é criada quando as entradas elétricas encontram mudanças na condutividade, semelhante ao que acontece com as sinapses em nosso cérebro.

Neste estudo, os pesquisadores usaram a rede para reconhecer e lembrar sequências de pulsos elétricos correspondentes a imagens, inspiradas na forma como o cérebro humano processa informações.

A pesquisadora supervisora, Professora Zdenka Kuncic, disse que a tarefa de memória era semelhante a lembrar um número de telefone. A rede também foi usada para realizar uma tarefa de reconhecimento de imagem de referência, acessando imagens no banco de dados MNIST de dígitos manuscritos, uma coleção de 70.000 pequenas imagens em escala de cinza usadas em aprendizado de máquina.

"Nossa pesquisa anterior estabeleceu a capacidade das redes de nanofios de lembrar tarefas simples. Este trabalho ampliou essas descobertas, mostrando que tarefas podem ser executadas usando dados dinâmicos acessados ​​online", disse ela.

“Este é um avanço significativo, pois alcançar uma capacidade de aprendizagem on-line é um desafio ao lidar com grandes quantidades de dados que podem estar em constante mudança. Uma abordagem padrão seria armazenar dados na memória e depois treinar um modelo de aprendizado de máquina usando essas informações armazenadas. Mas isso consumiria muita energia para uma aplicação generalizada."

"Nossa nova abordagem permite que a rede neural de nanofios aprenda e lembre-se 'on the fly', amostra por amostra, extraindo dados on-line, evitando assim uso pesado de memória e energia."

Zhu disse que há outras vantagens no processamento de informações on-line.

“Se os dados estiverem sendo transmitidos continuamente, como seria o caso de um sensor, por exemplo, o aprendizado de máquina que dependesse de redes neurais artificiais precisaria ter a capacidade de se adaptar em tempo real, para o qual atualmente não estão otimizados”, ele disse.

Neste estudo, a rede neural de nanofios apresentou uma capacidade de aprendizado de máquina de referência, pontuando 93,4% na identificação correta de imagens de teste. A tarefa de memória envolvia recordar sequências de até oito dígitos. Para ambas as tarefas, os dados foram transmitidos para a rede para demonstrar a sua capacidade de aprendizagem online e para mostrar como a memória melhora essa aprendizagem.

Mais informações: Aprendizagem dinâmica on-line e memória sequencial com redes neuromórficas de nanofios, Nature Communications (2023). DOI:10.1038/s41467-023-42470-5
Informações do diário: Comunicações da Natureza

Fornecido pela Universidade de Sydney