AI影响：工程师的模型为机器学习设备奠定了基础

在可能导致突破的科学小步骤中，圣路易斯华盛顿大学的一名工程师已采取措施，将纳米晶体网络用于人工智能应用。

工程与应用科学学院能源，环境与化学工程助理教授Elijah Thimsen及其合作者开发了一种模型，用于测试有关电子如何通过纳米材料的现有理论。该模型可以为在机器学习设备中使用纳米材料奠定基础。

“当用纳米材料制造器件时，它们并不总是像散装材料那样，”Thimsen说。“其中一个显着变化的事情是这些电子穿过物质的方式，称为电子传输机制，但人们对它的发生方式并不十分了解。”

Thimsen和他的团队根据一个不寻常的理论建立了模型，即网络中的每个纳米粒子都是一个连接到每个其他节点的节点，而不仅仅是它的直接邻居。同样不寻常的是流过节点的电流不一定占据节点之间的空间 - 它只需要通过节点本身。研究人员表示，这种行为是由模型预测的，可以在纳米尺度上产生实验上可观察到的当前热点。

此外，该团队还研究了另一种基于人脑和神经系统的神经网络模型。科学家们一直在努力构建新的计算机芯片以模拟这些网络，但这些芯片远远不及人类大脑，它包含多达1000亿个节点和每个节点10,000个连接。

“如果我们有大量的节点 - 比任何存在的节点大得多 - 并且有大量的连接，我们如何训练它?” 蒂姆森问道。“我们希望让这个大型网络执行一些有用的工作，例如模式识别任务。”

基于这些网络理论，Thimsen提出了一个初步项目来设计一个简单的芯片，给它特定的输入并研究输出。

“如果我们将其视为神经网络，我们希望看看设备的输出是否取决于输入，”Thimsen说。“一旦我们能够证明这一点，我们将采取下一步措施并提出一种新设备，使我们能够训练该系统执行简单的模式识别任务。”