Ученые Петрозаводского государственного университета (ПетрГУ) совершили прорыв, разработав уникальный подход к обучению импульсных нейронных сетей. Этот метод эффективно решает задачи распознавания и запоминания образов, открывая перспективы для создания компактных устройств, способных выполнять сложные когнитивные функции. Исследование поддержано грантом Российского научного фонда (РНФ).
Фундаментальные основы для будущих технологий
Разработанные методики обучения демонстрируют реальную работоспособность нейросетей в качестве распознающих систем. На их основе могут быть созданы миниатюрные нейросетевые чипы с наноразмерными осцилляторами. Выявленные закономерности носят фундаментальный характер и применимы для изучения осцилляторных сетей с разнообразными механизмами и топологиями нейронных связей.
Принцип работы и физическая реализация
Искусственные нейронные сети, подобно биологическим, основаны на передаче сигналов между элементами. Хотя большинство сетей реализовано программно, существуют и физические системы. Наиболее распространены осцилляторные сети, где параметры нейронов ритмически изменяются.
Прорыв с диоксидом ванадия
Исследователи ПетрГУ изучили сеть осцилляторов на основе электрических переключателей из диоксида ванадия. Синхронизация частот осцилляторов позволяет обучать сеть, переводя информацию в векторную форму. При обучении система запоминает множество векторов, каждый из которых соответствует определенному синхронному состоянию. Распознавание происходит, когда ввод тестового вектора возвращает систему к ближайшему синхронному состоянию.
Уникальная термическая связь и расширенные возможности
Применение авторского термического типа связи между нейронами позволило значительно увеличить число доступных синхронных состояний. Например, для системы всего из двух осцилляторов ученые смоделировали 260 состояний! Каждое из них потенциально может быть использовано для обучения нейросети запоминанию и распознаванию информации.
Изображение: Фотобанк Freepik
Источник: scientificrussia.ru
