Ученые нашли замену нейросетям

Исследователи утверждают, что сложные многослойные нейронные сети, применяемые в машинном обучении, могут быть заменены осцилляторами с запаздывающей обратной связью, как показал ученый из СГУ в рамках международного исследовательского коллектива.

Это открытие может значительно упростить и снизить стоимость разработки устройств, способных выполнять задачи искусственного интеллекта в реальном времени, сообщили в пресс-службе Минобрнауки РФ.

Осцилляторы, как системы, способные генерировать и поддерживать колебания, представляют собой интересную альтернативу сложным нейронным сетям. Исследование показало, что использование осцилляторов с запаздывающей обратной связью может значительно улучшить процесс обучения машин и повысить эффективность их работы.

Благодаря новому подходу, возможно создание более компактных и энергоэффективных устройств, способных обрабатывать данные в реальном времени и решать сложные задачи искусственного интеллекта. Это открывает новые перспективы для развития технологий и улучшения производительности машинного обучения.

Исследователи из Саратовского национального исследовательского государственного университета (СГУ) имени Н.Г. Чернышевского, во главе с Владимиром Семеновым, заведующим лабораторией компьютерного моделирования в электронике СГУ, в сотрудничестве с ученым из Берлинского технического университета, провели исследование, в результате которого было показано, что системы, состоящие из двух связанных бистабильных осцилляторов с запаздыванием, способны эмулировать сложное поведение двухслойной нейронной сети.

К числу таких систем относятся, например, маятник или электрический контур. При добавлении запаздывающей обратной связи к осцилляторам их динамика становится более сложной, позволяя имитировать поведение целых сетей, включающих в себя множество взаимодействующих элементов.

Это открытие подчеркивает значимость исследований в области динамических систем с запаздыванием и их потенциальное применение в моделировании сложных биологических и технических сетей.

Создание физических нейронных сетей — сложный и дорогостоящий процесс, который требует значительных ресурсов и времени. Однако, исследователи обратили внимание на осцилляторы с запаздыванием, которые могут предложить более простую и экономически эффективную альтернативу, как отмечает Владимир Семенов.

В частности, в рамках исследования были изучены два важных явления: стохастический резонанс, при котором шум помогает усилить полезный сигнал, и распространение волнового фронта, где одно из состояний системы начинает заполнять все доступное пространство.

"Для реализации физической системы искусственного интеллекта на основе многослойных сетей не обязательно точно копировать ее структуру. Вместо этого, можно использовать взаимосвязанные осцилляторы с запаздыванием", — подчеркивает Владимир Семенов, ссылаясь на сообщение Минобрнауки РФ.

В современном мире все больше исследователей обращают внимание на потенциал использования осцилляторов с запаздывающей обратной связью для создания устройств, способных эффективно решать задачи в реальном времени. Этот подход может быть особенно полезен в таких областях, как прогнозирование временных рядов, распознавание изображений или оптимизация задач.

В начале своего исследования ученые провели моделирование поведения осцилляторов на компьютере, что позволило им более глубоко понять принципы их работы. Затем они перешли к созданию физических прототипов на основе электронных компонентов, и результаты экспериментов полностью подтвердили предварительные теоретические расчеты.

Осцилляторы с запаздывающей обратной связью вызывают интерес у ученых по всему миру, и команда Владимира Семенова не исключение. Преимущества их разработок заключаются в простоте схем, низкой стоимости электронных компонентов и компактных размерах устройств.

Исследователи в Саратовском университете планируют расширить область применения осцилляторов с запаздыванием, чтобы решать более широкий круг задач. Особый интерес представляет возможность использования этих систем для моделирования "спайковых нейронных сетей" — класса нейронных сетей, имитирующих электрическую активность клеток мозга.

Эти исследования получили поддержку от Российского научного фонда и ведутся в рамках стратегического проекта СГУ "ИКТ-Электроника" программы "Приоритет-2030". Результаты исследований были опубликованы в журнале Neural Networks. Расширение возможностей осцилляторов с запаздыванием может привести к новым открытиям в области моделирования нейронных сетей и понимания работы человеческого мозга.

Источник и фото - ria.ru