Reservoir computing (RC) lost complexe problemen op door de manier waarop informatie wordt verwerkt in dierlijke hersenen na te bootsen. Het vertrouwt op een willekeurig verbonden netwerk dat fungeert als een reservoir van informatie en uiteindelijk leidt tot efficiëntere output. Om RC direct in het materiaal te realiseren (in plaats van het in een digitale computer te simuleren), zijn tot nu toe verschillende reservoirmaterialen onderzocht. Nu heeft een team met onderzoekers van de Universiteit van Osaka een gesulfoneerd polyaniline-netwerk voor RC ontworpen.
Neurale netwerken in de hersenen gebruiken elektrochemische signalen die door ionen worden gedragen. Daarom is de elektrochemische benadering een logische keuze bij het selecteren van een materiaalsysteem voor RC. Organische elektrochemische effecttransistoren (OECFET’s) zijn populair in de bio-elektronica; Het is echter nog niet veel gebruikt in RC.
De sleutel tot het reservoirmateriaal is dat het een rijk (tijdsafhankelijk) en ongestructureerd gedrag heeft, waardoor polymeermaterialen een uitstekende keuze zijn omdat ze op zichzelf willekeurige netwerken vormen.
Polyaniline is een veelbelovend polymeer voor RC-toepassingen, omdat het gemakkelijk te polymeriseren is, een goede stabiliteit in de atmosfeer heeft en een omkeerbaar doping/de-doping gedrag heeft, wat betekent dat de geleidbaarheid kan worden veranderd.
De onderzoekers onderzochten gesulfoneerd polyaniline (SPAN), dat naast de voordelen van polyaniline een hoge wateroplosbaarheid en zelfdoteringsgedrag heeft. Deze maken SPAN gemakkelijker te hanteren en maken steroïden consistenter.
“Atmosferische protonen worden rechtstreeks in de polymeerketen van SPAN geïnjecteerd, waardoor het optreedt”, legt hoofdauteur van het onderzoek Yuki Usami uit. “Deze geleiding kan dan worden gecontroleerd door de luchtvochtigheid aan te passen.”
De onderzoekers gebruikten een eenvoudige druppelmethode om SPAN’s op gouden elektroden te assembleren om een organisch elektrochemisch netwerk (OEND) apparaat te geven.
SPAN OEND voor RC is getest door de golfvorm te onderzoeken en de prestaties ervan op kortetermijngeheugentaken te evalueren. Testresultaten om te zien hoe goed spraakherkenning een nauwkeurigheid tot 70% heeft bereikt. De mogelijkheden van SPAN OEND waren vergelijkbaar met die van een RC-softwaresimulatie.
“We hebben aangetoond dat ons SPAN OEND-systeem kan worden toegepast in RC”, zegt de corresponderende studieauteur Takuya Matsumoto. “Toekomstige stappen om systemen te maken die niet afhankelijk zijn van vocht zullen meer praktische opties bieden; het succes van ons op SPAN gebaseerde systeem is echter een positieve stap voor op materialen gebaseerde reservoircomputing, die naar verwachting een aanzienlijke impact zal hebben op de volgende generatie van AI-apparaten”.
Bron verhaal:
Materialen Introductie van Universiteit van Osaka. Opmerking: inhoud kan worden aangepast aan stijl en lengte.
“Reizende ninja. Onruststoker. Spekonderzoeker. Expert in extreme alcohol. Verdediger van zombies.”
More Stories
AHS bevestigt geval van mazelen in Edmonton
Het door ORNL ondersteunde onderzoeksteam gebruikt kwantumcomputers om echte vooruitgang te boeken in de kwantumsimulatie
Klinische behandeling met hoogfrequente echografie van recidiverende submentale abcesvorming na plaatsing van implantaten: bacteriële besmetting of immuungemedieerde bijwerking?