मुख्य तथ्य
- स्पिन ग्लास नामक एक दुर्लभ प्रकार का पदार्थ एआई को सक्षम कर सकता है जो मनुष्यों की तरह वस्तुओं को पहचानता है।
- प्रिंट करने योग्य सर्किट के लिए स्पिन ग्लास के उपयोग से नए प्रकार की लो-पावर कंप्यूटिंग भी हो सकती है।
- दिमाग से प्रेरित अन्य प्रकार के चिप्स भी सुधार सकते हैं कि AI छवियों को कैसे पहचानता है।
सर्किट को सीधे भौतिक वस्तुओं पर प्रिंट करने से बेहतर कृत्रिम बुद्धिमत्ता (एआई) बन सकती है।
लॉस एलामोस नेशनल लेबोरेटरी के शोधकर्ता सर्किट को बदलने के लिए स्पिन ग्लास नामक पदार्थ के दुर्लभ रूप का उपयोग कर रहे हैं। स्पिन ग्लास के असामान्य गुण एआई के एक रूप को सक्षम करते हैं जो मस्तिष्क की तरह आंशिक छवियों से वस्तुओं को पहचान सकता है।
"स्पिन ग्लास संभावित समाधानों के 'उबड़-खाबड़ परिदृश्य' वाले सिस्टम हैं," सांता फ़े इंस्टीट्यूट के एक कंप्यूटर वैज्ञानिक और भौतिक विज्ञानी क्रिस मूर, जो लॉस एलामोस अनुसंधान में शामिल नहीं थे, ने एक ईमेल में लाइफवायर को बताया साक्षात्कार। "वे हमें यह विश्लेषण करने में मदद करते हैं कि एल्गोरिदम कभी-कभी ऐसे समाधानों में क्यों फंस जाते हैं जो स्थानीय रूप से अच्छे लगते हैं लेकिन सर्वोत्तम संभव नहीं हैं।"
प्रिंट करने योग्य सर्किट
प्रिंट करने योग्य सर्किट के लिए स्पिन ग्लास के उपयोग से नए प्रकार के लो-पावर कंप्यूटिंग भी हो सकते हैं। स्पिन-ग्लास शोधकर्ताओं को गणित का उपयोग करके भौतिक संरचनाओं की जांच करने की अनुमति देता है। इस दृष्टिकोण के साथ, वैज्ञानिक इलेक्ट्रॉन-बीम लिथोग्राफी का उपयोग करके सिस्टम के भीतर बातचीत को बदल सकते हैं, जो सतह पर कस्टम आकार बनाने के लिए इलेक्ट्रॉनों के केंद्रित बीम का उपयोग करता है। लिथोग्राफी नए प्रकार के सर्किटरी के मुद्रण की अनुमति दे सकती है।
पिअर-रिव्यू जर्नल नेचर फिजिक्स में प्रकाशित लॉस एलामोस टीम के हालिया पेपर के अनुसार, लिथोग्राफी स्पिन-ग्लास नेटवर्क में विभिन्न कंप्यूटिंग समस्याओं का प्रतिनिधित्व करना संभव बनाती है।
"हमारे काम ने एक तंत्रिका नेटवर्क को दोहराने के लिए व्यवस्थित नैनोमैग्नेट्स से युक्त एक कृत्रिम स्पिन-ग्लास के पहले प्रायोगिक अहसास को पूरा किया," लॉस एलामोस नेशनल लेबोरेटरी में सैद्धांतिक भौतिकी में पोस्ट-डॉक्टरेट शोधकर्ता माइकल सैकोन और के प्रमुख लेखक अखबार, समाचार विज्ञप्ति में कहा। "हमारा पेपर व्यावहारिक रूप से इन भौतिक प्रणालियों का उपयोग करने के लिए आवश्यक आधारभूत कार्य करता है।"
मूर ने स्पिन ग्लास की तुलना सिलिकॉन डाइऑक्साइड (विंडो ग्लास) से की, जो एक आदर्श क्रिस्टल प्रतीत होता है, लेकिन जैसे ही यह ठंडा होता है, यह एक अनाकार अवस्था में फंस जाता है जो आणविक स्तर पर तरल जैसा दिखता है।
"उसी तरह, एल्गोरिदम 'ऊर्जा बाधाओं' के पीछे फंस सकते हैं जो वैश्विक इष्टतम के रास्ते में खड़े हैं," मूर ने कहा।
स्पिन ग्लास सिद्धांत के विचार शोधकर्ताओं को उच्च-आयामी परिदृश्य नेविगेट करने में मदद कर सकते हैं।
"इस खोज ने भौतिकी, गणित और कंप्यूटर विज्ञान के चौराहे पर एक जीवंत अंतःविषय समुदाय बनाया है," मूर ने कहा।"हम एल्गोरिदम पर मूलभूत सीमाओं को निर्धारित करने के लिए भौतिकी से विचारों का उपयोग कर सकते हैं-जैसे डेटा में पैटर्न ढूंढते समय वे कितना शोर सहन कर सकते हैं-और उन सैद्धांतिक सीमाओं तक सफल होने वाले एल्गोरिदम को डिज़ाइन करने के लिए।"
ऐ जो इंसानों की तरह याद रखता है
शोध दल ने कृत्रिम स्पिन ग्लास की जांच की, जिसे हॉपफील्ड न्यूरल नेटवर्क कहा जाता है। ये नेटवर्क मानव साहचर्य स्मृति को मॉडल करते हैं, जो असंबंधित वस्तुओं के बीच संबंध को सीखने और याद रखने की क्षमता है।
स्पिन ग्लास का वर्णन करने वाले सैद्धांतिक मॉडल मोटे तौर पर अन्य जटिल प्रणालियों में उपयोग किए जाते हैं, जैसे कि मस्तिष्क के कार्य का वर्णन करने वाले।
एसोसिएटिव मेमोरी के साथ, यदि केवल एक मेमोरी ट्रिगर होती है, उदाहरण के लिए इनपुट के रूप में किसी चेहरे की आंशिक छवि प्राप्त करके-तो नेटवर्क पूरे चेहरे को याद कर सकता है। पारंपरिक एल्गोरिदम के विपरीत, साहचर्य स्मृति को स्मृति की पहचान करने के लिए एक समान परिदृश्य की आवश्यकता नहीं होती है।
सैकोन और टीम द्वारा किए गए शोध ने पुष्टि की कि स्पिन-ग्लास सिस्टम के गुणों का वर्णन करने में सहायक होगा और यह कैसे सूचनाओं को संसाधित करता है। Saccon ने कहा, स्पिन ग्लास में विकसित AI एल्गोरिदम पारंपरिक एल्गोरिदम की तुलना में "गड़बड़" होगा, लेकिन कुछ AI अनुप्रयोगों के लिए अधिक लचीला भी होगा।
"स्पिन ग्लास का वर्णन करने वाले सैद्धांतिक मॉडल व्यापक रूप से अन्य जटिल प्रणालियों में उपयोग किए जाते हैं, जैसे कि मस्तिष्क के कार्य, त्रुटि-सुधार कोड, या स्टॉक-मार्केट की गतिशीलता का वर्णन करने वाले," सैकोन ने कहा। "स्पिन ग्लास में यह व्यापक रुचि कृत्रिम स्पिन ग्लास बनाने के लिए मजबूत प्रेरणा प्रदान करती है।"
अन्य प्रकार के मस्तिष्क-प्रेरित चिप्स भी सुधार सकते हैं कि AI छवियों को कैसे पहचानता है। हाल के एक पेपर से पता चलता है कि कैसे कंप्यूटर चिप्स मस्तिष्क की तरह नए डेटा को लेने के लिए गतिशील रूप से खुद को रीवायर कर सकते हैं, जिससे एआई को समय के साथ सीखने में मदद मिलती है।
पर्ड्यू यूनिवर्सिटी के स्कूल ऑफ मैटेरियल्स इंजीनियरिंग के प्रोफेसर और पेपर के लेखकों में से एक श्रीराम रामनाथन ने एक समाचार विज्ञप्ति में कहा,"जीवित प्राणियों का दिमाग अपने पूरे जीवन में लगातार सीख सकता है।""हमने अब मशीनों को उनके पूरे जीवन में सीखने के लिए एक कृत्रिम मंच बनाया है।"
