利用宇宙的能力来处理数据！“物理网络”远胜深度神经网络( 五 )

文章图片
图注：宾夕法尼亚大学的物理学家SamDillavou修补了一个可以在学习过程中自我修改的电路。
Dillavou和合作者的目标是模仿大脑，大脑才是真正的智能，其是一个相对统一的系统，不需要任何单一结构来发号施令。 “每个神经元都在做自己的事情， ”他说。
为此，他们构建了一个自学习电路，在这个电路中作为突触权重的是可变电阻，神经元是电阻之间测量的电压。为了对给定的输入进行分类，这个电路将数据转换为施加到几个节点上的电压。电流通过电路，寻找耗散能量最少的路径，并在稳定时改变电压。答案就是指定输出节点的电压。
该想法的创新在于具有挑战性的学习步骤，为此他们设计了一种类似于均衡传播的方案，称为耦合学习（coupledlearning）。当一个电路接收数据并“猜出”一个结果时，另一个相同的电路从正确答案开始，并将其纳入其行为中。最后，连接每一对电阻的电子器件会自动比较它们的值，并调整它们，以实现“更智能”的配置。
这个小组在去年夏天的预印本（参加下图）中描述了他们的基本电路，这篇名叫“去中心化证明，物理驱动学习（DemonstrationofDecentralized,Physics-DrivenLearning）”的论文中显示这个电路可以学习区分三种类型的花，准确率达到95% 。而现在他们正在研发一款更快、功能更强的设备。

文章图片
论文地址：https://arxiv.org/abs/2108.00275
即便是这种升级也无法击败最先进的硅芯片。但建造这些系统的物理学家们怀疑，与模拟网络相比，尽管数字神经网络如今看起来很强大，但最终也会显得缓慢和不足。数字神经网络只能扩大到一定程度，否则就会陷入过度的计算，但更大的物理网络只需要做自己就好。
“这是一个非常大的、快速发展的、变化多端的领域，我深信一些非常强大的计算机将会用这些原理制造出来。 ”Dillavou说。
https://www.quantamagazine.org/how-to-make-the-universe-think-for-us-20220531/
雷峰网雷峰网