Нейроморфная система NeuroSA использует квантовые механизмы для поиска решений, имитируя работу мозга

Собрать кубик Рубика — это не магия, а вопрос правильной последовательности шагов. Но что, если задача не имеет готового алгоритма, и решение нужно не просто воспроизвести, а открыть с нуля? Для этого нужны не просто компьютеры, а настоящие цифровые исследователи. Именно такую систему создали инженеры из США, соединив в ней принципы работы мозга и квантовой физики.
Владимир Барышев
Автор Наука Mail
Модель мозга
Архитектура NeuroSA имитирует работу мозга: данные обрабатываются как в нейронных сетях человека — через взаимодействие «синапсов» и «нейронов»Источник: Unsplash

Работа опубликована в журнале Nature Communications. Исследователи из Школы инженерии МакКелви при Университете Вашингтона в Сент-Луисе представили новую вычислительную архитектуру под названием NeuroSA. Это гибридная система, вдохновленная устройством мозга, но основанная на законах квантовой механики. Она создана для того, чтобы находить решения там, где стандартные методы машинного обучения либо неэффективны, либо полностью бессильны — в задачах, где нужно не выбрать верный путь, а сначала его найти.

Проект объединил усилия нескольких университетов и компаний. В его основе — идея нейроморфных вычислений, то есть систем, имитирующих работу мозга, в которых данные обрабатываются подобно тому, как это происходит в нейронных сетях человека. Но NeuroSA идет дальше: в ней используется так называемый аннилер Фаулера-Нордхейма, элемент, основанный на квантовом туннелировании — эффекте, при котором частицы проходят через энергетический барьер, не преодолевая его напрямую.

Инфографика
В основе работы системы — квантовое туннелирование: алгоритм буквально «просачивается» сквозь барьеры сложных задач, чтобы находить оптимальные решения быстрее и точнееИсточник: Unsplash

Такой механизм позволяет системе эффективно «прыгать» между возможными вариантами решений, минуя локальные минимумы, в которых застревают обычные алгоритмы. Это особенно важно в сложных задачах оптимизации, например, при моделировании белковых структур или организации логистических цепочек.

Мы ищем способы решать задачи лучше, чем это делают современные компьютеры, даже те, что учатся. NeuroSA создана, чтобы справляться с задачей открытия, самой трудной в машинном обучении, когда цель — не просто классифицировать или предсказать, а найти нечто новое и неизвестное. Ключевое ее преимущество в том, что, если дать ей достаточно времени, она гарантированно найдет решение. Это делает ее особенно ценной в задачах, где нельзя заранее угадать правильный ответ, и остается только одно — искать, пока не найдешь.
Шантану Чакрабартти
профессор электротехники и системной инженерии, Вашингтонский университет в Сент-Луисе

Команда уже протестировала архитектуру NeuroSA на реальной платформе SpiNNaker2, разработанной для нейроморфных вычислений. Это подтверждает ее работоспособность и открывает путь к широкому внедрению технологии в различных отраслях — от транспорта и логистики до фармацевтики и проектирования материалов.

Исследования вроде NeuroSA показывают, как ученые приближают вычислительные технологии к возможностям человеческого мозга — а в некоторых случаях и вовсе меняют представления о возможном.

Пока одни работают над «мышлением» машин, другие уже осваивают телепортацию в квантовом мире на тысячи километров — подробнее об этом можно узнать в этой статье.