Även om kraften i våra moderna datorer växer exponentiellt, biologiska system - liksom våra hjärnor - förblir de ultimata inlärningsmaskinerna. Genom att hitta material som fungerar på ett sätt som liknar de mekanismer som biologin använder för att behålla och bearbeta information, forskare hoppas kunna hitta ledtrådar som hjälper oss att bygga smartare datorer.

Inspirerade av mänsklig glömska - hur våra hjärnor slänger onödiga data för att ge plats för ny information - forskare vid US Department of Energy's (DOE) Argonne National Laboratory, i samarbete med Brookhaven National Laboratory och tre universitet, genomförde en nyligen genomförd studie som kombinerade superdatorsimulering och röntgenkarakterisering av ett material som gradvis "glömmer". Detta kan en dag användas för avancerad bioinspirerad datorer.

"Det är svårt att skapa ett icke-levande material som visar ett mönster som liknar en sorts glömska, men det specifika materialet vi arbetade med kan faktiskt efterlikna den typen av beteende, "sa Subramanian Sankaranarayanan, Argonne nanovetare och studieförfattare.

"Hjärnan har begränsad kapacitet, och det kan bara fungera effektivt eftersom det kan glömma, "sa Subramanian Sankaranarayanan, en Argonne nanovetare och studieförfattare. "Det är svårt att skapa ett icke-levande material som visar ett mönster som liknar en sorts glömska, men det specifika material vi arbetade med kan faktiskt efterlikna den typen av beteende. "

Materialet, kallad en kvantperovskit, erbjuder forskare en enklare icke-biologisk modell av hur "glömska" kan se ut på elektronisk nivå. Perovskiten visar ett adaptivt svar när protoner införs och tas bort upprepade gånger som liknar hjärnans desensibilisering till en återkommande stimulans.

När forskare initialt lägger till eller tar bort en proton (H+) från perovskiten (SmNiO ₃ (SNO)) gitter, materialets atomstruktur expanderar eller dras ihop dramatiskt för att rymma det i en process som kallas "gitterandning". Men när detta händer om och om igen, materialets beteende utvecklas så att gitterandningen minskar - protonets "hot" får inte längre materialet att hyperventilera.

"Så småningom, det blir svårare att göra perovskiten 'vård' om vi lägger till eller tar bort en proton, "sade Hua Zhou, en fysiker som är involverad i att karakterisera materialets beteende med hjälp av röntgenstrålar från Argonnes Advanced Photon Source (APS), en DOE Office of Science User Facility. "Det är som när du blir väldigt rädd på en vattenrutschbana första gången du går ner, men varje gång efter det har du mindre och mindre reaktion. "

När materialet svarar på protoner som forskare lägger till och subtraherar, dess förmåga att motstå en elektrisk ström kan påverkas allvarligt. Detta beteende gör att materialet kan programmeras effektivt, som en dator, av protondopningen. Väsentligen, en forskare kan sätta in eller ta bort protoner för att kontrollera om perovskiten tillåter en ström.

Forskare har nyligen drivit på att utveckla icke-kiselbaserade material, som perovskiter, för beräkning eftersom kisel kämpar för att använda energi lika effektivt. Forskare kan använda perovskiter i inlärningsmaskiner längs linjen. Men forskare kan också dra fördel av perovskitegenskaper genom att använda dem som grund för beräkningsmodeller av mer komplexa biologiska inlärningssystem.

"Dessa simuleringar, som ganska nära matchar de experimentella resultaten, inspirerar till helt nya algoritmer för att träna neurala nätverk att lära sig, "Sa Zhou.

Perovskitmaterialet och de resulterande neurala nätverksalgoritmerna kan hjälpa till att utveckla effektivare artificiell intelligens som kan ansiktsigenkänning, resonemang och människoliknande beslutsfattande. Forskare fortsätter forskningen för att upptäcka andra material med dessa hjärnliknande egenskaper och nya sätt att programmera dessa material.

Till sist, till skillnad från kisel, vars elektroniska struktur enkelt kan beskrivas med enkla datormodeller, För att förstå perovskitmaterialet krävs beräkningsintensiva simuleringar för att fånga hur dess struktur reagerar på protondopning.

"En klassisk ram gäller inte detta komplexa system, "sa Sankaranarayanan, som hjälpte till att skapa komplexa modeller av perovskitens beteende vid Argonnes Center for Nanoscale Materials and Argonne Leadership Computing Facility, båda DOE Office of Science användarfaciliteter. "Kvanteffekter dominerar, så det krävs mycket beräkningskrävande simuleringar för att visa hur protonen rör sig inuti strukturen. "

Denna typ av omfattande forskning är en unik förmåga hos Argonnes tvärvetenskapliga campus, där forskare enkelt kan dela idéer och resurser.

En studie baserad på forskningen, "Tillvänjningsbaserad synaptisk plasticitet och organismiskt lärande i en kvant perovskit, "dök upp i 14 augusti online -nummer av Naturkommunikation .