BTC$29880

ETH$3666

Шукати

Квантове тунелювання поєднується зі штучним інтелектом

Ефект квантового тунелювання домінує у квантовій механіці з моменту його відкриття у 1920-х роках та відкриває потенційні можливості для штучного інтелекту, зокрема, для імітації людського зорового сприйняття. Сучасні моделі ШІ, які значною мірою покладаються на традиційні глибокі нейронні мережі (DNN) зі стандартними функціями активації, такими як ReLU, не мають достатньої гнучкості, щоб інтерпретувати оптичні ілюзії так, як це робить людина. Такі ілюзії, як куб Неккера та ваза Рубіна, кидають виклик нейронним мережам, які стикаються зі складнощами інтерпретації фізичних, фізіологічних та психологічних особливостей, притаманних людині.

(a) Ескіз структури QT-DNN. W(n) з n = 1 . . . 4 – матриці ваг мережевих зв’язків. (b) Модель QT-DNN використовує фізичний ефект квантового тунелювання як функцію активації вузлів. Панель (b.i): одновимірний прямокутний потенційний бар’єр товщиною a та висотою V0. Панель (b.ii): на відміну від класичної механіки, у квантовій механіці існує ненульова ймовірність того, що електрон з енергією E < V0 пройти через бар’єр. Джерело

На відміну від людських нейронів, які оперують унікальними психологічними та неврологічними процесами, моделі ШІ залишаються обмеженими традиційною архітектурою, яка не дозволяє їм перемикатися між сприйняттям візуальних стимулів. Щоб розв’язати цю проблему, дослідники з Університету Чарльза Стерта з Австралії запропонували інноваційну модель QT-DNN. Модель використовує ефекти квантового тунелювання для своєї функції активації, включаючи квантовий генератор випадкових чисел для неупередженого опрацювання візуальної інформації.

Архітектура QT-DNN використовує вхідний шар зі 100 вузлів, три приховані шари з 20 вузлами кожен та два вихідні вузли для класифікації, що дозволяє їй демонструвати здатність, подібну до людської, перемикатися між кількома можливими значеннями оптичних ілюзій. Рівняння ймовірності квантового тунелювання, що використовуються як функції активації, дозволяють QT-DNN відтворювати не лише перемикання людського сприйняття, але й проміжні стани «суперпозиції», відображаючи те, як людина може одночасно утримувати кілька інтерпретацій одного стимулу.

Нейроморфний алгоритм, що забезпечує навчання мережі на розрізнених зображеннях об’єктів та її подальше використання для розпізнавання оптичних ілюзій. Джерело

У випробуваннях з кубом Неккера та вазою Рубіна QT-DNN перевершила традиційні нейронні мережі, узгоджуючись з теоретичними квантовими моделями та поведінкою людського сприйняття. Ці досягнення свідчать про те, що квантові моделі, такі як QT-DNN, можуть значно посилити роль ШІ в авіаційній безпеці, доповненій реальності та медичній діагностиці, відкриваючи шлях до тонкіших і подібних до людських можливостей машинного зору.