リチウム電池や塗料のビジネスに携わっていない限り、コバルトについては馴染みがないでしょう。しかし、ある人によると、新しい紙それは、量子力学と脳の内部動作を組み合わせた、まったく新しい種類のコンピューターの秘密のソースである可能性があります。
その結果得られるのは、学習能力を備えたコンピューターだけではありません。学習を可能にするメカニズムはハードウェア構造に直接組み込まれており、追加の AI ソフトウェアは必要ありません。このコンピューター モデルは、現在のラップトップに搭載されているシリコン ベースの高速 CPU ではなく、ニューロン活動とシナプスの言語を使用して、私たちの脳がどのように情報を処理するかをシミュレートします。
主なトリックは、コバルト原子の量子スピン特性に依存しています。 「ネットワーク」に巧みに組織化すると、私たちの脳の仕組みと同様に、データを処理して同じネットワーク構造内に保存できる「量子脳」が生まれます。要約すると、これは真の学習機械への道です。
これは AI にとって素晴らしいニュースです。機械学習アルゴリズムは強力ですが、非常に優れています。。ハイテク大手は計算ニーズの処理に合わせて大規模なデータセンターを保有していますが、それは非効率であり、膨大な二酸化炭素排出量を生み出します。さらに厄介なのは、専門家が先を見据えていることだ。コンピューティング能力は 1 年半から 2 年ごとに 2 倍になっていますが、口語的に「」として知られています。」 - 最近の観察は、それが最後の段階にある可能性があることを示しています。
翻訳？私たちは代替のコンピューティング手法を切実に必要としています。
「材料の量子特性に基づいて『量子脳』を構築するという私たちの新しいアイデアは、AI アプリケーションの将来のソリューションの基礎となる可能性があります。」言った主著者、オランダ、ナイメーヘンのラドボウド大学のアレクサンダー・カジェトゥーリアン博士。
新時代のコンピューター
どうしてできるの？、量子力学、AIメッシュ？
それは、脳とディープラーニングなどの機械学習手法の類似点から始まります。後者は大まかに私たちの考えに基づいているので、ここでは驚くべきことではありません。問題は、これらのアルゴリズムが現在のコンピューターで実行される場合に発生します。ご存知のとおり、最先端のコンピューターでも情報を処理し、別の構造に保存します。 CPU や GPU は、それ自体ではデータを保存できません。これは、処理ユニットとメモリユニットの間でデータを絶えずやり取りする必要があることを意味します。画像の認識などの小さなことについては大した問題ではありませんが、大きな問題の場合はプロセス全体の速度が急速に低下し、エネルギー使用量が増加します。
言い換えれば、AI は現代のコンピューターとはまったく異なる構造を持つ脳を模倣しているため、根本的な互換性がありません。 AI アルゴリズムは現在のコンピューターに合わせて最適化できますが、効率の点で行き詰まりになる可能性があります。
ニューロモーフィック コンピューティングの登場です。チップ、CPU、メモリ ハード ドライブなど、コンピューターの設計について知っているすべてを忘れるよう求められます。その代わりに、このタイプの新時代の「コンピューター」は、情報の記録、処理、保存をすべて 1 か所で行う脳の方法を利用しています。データの往復がないということは、時間とエネルギーの消費が減り、AI と地球にとって勝利となることを意味します。
大まかに言うと、脳のニューラル ネットワークは数種類のコンピューティングを使用します。 1 つはニューロンに依存し、入力に基づいてニューロンが「起動」するかどうか、つまりデータを隣接するニューロンに渡すかどうかを決定します。もう 1 つの方法はシナプスを使用し、「状態」を使用してニューロンがデータを送信し、同時に保存できる程度を微調整します。シナプスで接続されたニューロンのネットワークがあり、それらが集合的に唐辛子のレシピを保存しているとします。ベーコンとビールを加えるとさらにおいしくなることがわかりました。シナプスは、この新しいデータを処理している間 (これを「学習」と呼んでいます)、新しい情報をエンコードして保存するために状態も更新します。
要点: 脳では、データ処理、学習、記憶はすべて同じ場所で行われます。
コバルトスピン
まだ私と一緒ですか？さて、トロワのメニューの 3 番目のメンバー、コバルトについて説明します。
学習ハードウェアの問題に取り組むために、研究チームは 2018 年に、単一のコバルト原子がニューロンの役割を引き継ぐ可能性があることを発見しました。この原子レベルでは、量子物理学の力学も影響し、いくつかの非常に興味深い結果が得られます。たとえば、原子は「」と呼ばれる複数の状態を持つことができます。スピン「――同時に。いつでも、原子がある状態になる確率と、別の状態になる確率があります。これは、ニューロンが発火するか否かを決定するか、あるいはシナプスがデータを伝達するか否かを決定するのと少し似ています。量子力学では、この奇妙な「猫は生きているのか死んでいるのか」状態を重ね合わせと呼びます。
もう 1 つの機能である量子結合により、2 つの原子が機能的に「結合」し、1 つの原子の量子スピン状態が他の原子の量子スピン状態に変化します。これは、ニューロンが互いに会話して結合するのと同様です。
チームの洞察は、これらの量子特性を活用して、脳内のニューロンやシナプスに似たシステムを構築できるということです。そうするために、彼らは黒リンで作られた超伝導表面の上に複数のコバルト原子を重ねるシステムを作製した。
次に、コバルトの「ニューロン」間の発火とネットワーク形成を誘発できるかどうかをテストしました。たとえば、原子のスピン状態に情報を埋め込むことは可能でしょうか?これらの原子にニューロンの発火をシミュレートさせることはできるでしょうか?
答えは明らかです。研究チームは、微弱な電流を使用して、0 と 1 の単純なバイナリ データをシステムに供給しました。ここでのデータは、画像や音声などの実用的な情報をエンコードするのではなく、0 または 1 をエンコードするシステム内の原子のさまざまな確率を表しました。
次に、チームはニューロンが受け取る入力と同様の小さな電圧変化で原子のネットワークをザッピングしました。小さな電気ザップは、脳の仕組みに不気味なほど似た動作を生成しました。たとえば、システムを「ダブルタップ」することで、量子脳はニューロンの発火とシナプスの変化に似たプロセスの両方を示しました。
これは特に優れています。他のニューロモーフィック コンピューティング システム (脳に基づくもの) は、通常、人工ニューロンまたは人工シナプスのいずれかに焦点を当てています。多くは、機能するために厳しい温度を必要とする希少な素材で作られています。コバルトという単一の素材内で両方を組み合わせるのは、ただ新しいだけではありません。効率的で、より手頃な価格で、簡単です。
神経生物学と同様に、システムの「シナプス」も、経験した電気入力に基づいて時間とともに変化しました。
「特定の電圧で長期間にわたって物質を刺激すると、シナプスが実際に変化するのを見て非常に驚きました」とカジェトゥーリアン氏は語った。 「この物質は、受け取った外部刺激に基づいてその反応を適応させました。それは自ら学習しました。」
Q-Brain の未来?
まだです。
今のところ、チームはシステムをスケールアップして、現実世界の情報を処理できることを実証する必要があります。また、セットアップ全体に基づいてマシンを構築し、それが部分的にだけでなく、実質的に全体として機能することを示す必要もあります。そして、AI に合わせてカスタマイズされたチップとの競争が常にあり、現在は多くのテクノロジー大手によって最適化されています。
しかし、量子脳は目を丸くするようなものではありません。チームは、1 つの主要なコンポーネントを使用して、ニューロンの発火、シナプス処理、学習という主要な脳プロセスを原子スケールで模倣することができました。量子コンピューティングの台頭により、マシンの「遠くからの不気味なアクション並列処理は、私たちの脳は非常に優れていますが、現代のコンピューターにとっては困難であり、量子コンピューターに対する科学者の限界目標でした。1990年代以降.
次の追求として、チームは、コバルトよりも効率的である可能性のある、さまざまな特性を持つ量子材料をさらに発見することを計画しています。そして彼らは、量子脳がなぜこれほどうまく機能するのかを掘り下げたいと考えています。
「私たちは基礎物理学を記憶や学習などの生物学の概念に関連付けることができる状態にあります」とカジェトゥール人は語った。 「しかし、それがどのように機能するかを理解して初めて、それはまだ謎ですが、その動作を調整し、それをテクノロジーとして開発し始めることができるのです。」
未知の部分はあるものの、この研究は神経科学、量子コンピューティング、AI の結びつきにエキサイティングな分野を切り開きます。 「今は非常にエキサイティングな時期だ」とカジェトゥーリアンたちは語った。