AI影響：工程師的模型為機器學習設備奠定了基礎

在可能導致突破的科學小步驟中，圣路易斯華盛頓大學的一名工程師已采取措施，將納米晶體網絡用于人工智能應用。

工程與應用科學學院能源，環境與化學工程助理教授Elijah Thimsen及其合作者開發了一種模型，用于測試有關電子如何通過納米材料的現有理論。該模型可以為在機器學習設備中使用納米材料奠定基礎。

“當用納米材料制造器件時，它們并不總是像散裝材料那樣，”Thimsen說。“其中一個顯著變化的事情是這些電子穿過物質的方式，稱為電子傳輸機制，但人們對它的發生方式并不十分了解。”

Thimsen和他的團隊根據一個不尋常的理論建立了模型，即網絡中的每個納米粒子都是一個連接到每個其他節點的節點，而不僅僅是它的直接鄰居。同樣不尋常的是流過節點的電流不一定占據節點之間的空間 - 它只需要通過節點本身。研究人員表示，這種行為是由模型預測的，可以在納米尺度上產生實驗上可觀察到的當前熱點。

此外，該團隊還研究了另一種基于人腦和神經系統的神經網絡模型。科學家們一直在努力構建新的計算機芯片以模擬這些網絡，但這些芯片遠遠不及人類大腦，它包含多達1000億個節點和每個節點10,000個連接。

“如果我們有大量的節點 - 比任何存在的節點大得多 - 并且有大量的連接，我們如何訓練它?” 蒂姆森問道。“我們希望讓這個大型網絡執行一些有用的工作，例如模式識別任務。”

基于這些網絡理論，Thimsen提出了一個初步項目來設計一個簡單的芯片，給它特定的輸入并研究輸出。

“如果我們將其視為神經網絡，我們希望看看設備的輸出是否取決于輸入，”Thimsen說。“一旦我們能夠證明這一點，我們將采取下一步措施并提出一種新設備，使我們能夠訓練該系統執行簡單的模式識別任務。”