Fysiker vid Stanford bygger atom-foton-nätverk: Lagrar sju gånger mer minne än klassisk AI-modell

Ett team lett av Stanford-fysikern Benjamin Lev har byggt ett nätverk av ultrakalla atomer och fotoner som fungerar som ett associativt minne, och som lagrar upp till sju gånger fler minnen än den klassiska neurala nätverksmodell som bidrog till ett Nobelpris. Resultaten, som publicerades den 3 september i tidskriften Science, pekar mot en framtid där AI-hårdvara kan lära sig och minnas med betydligt färre resurser.eurekalert+1

Från Hopfield till spinnglas

Arbetet bygger vidare på Hopfield-nätverket, en matematisk modell som introducerades 1982 och som visade hur ett system av samverkande spinn kan lagre och hämta minnen från ofullständiga eller förvrängda indata. John Hopfield delade 2024 års Nobelpris i fysik för detta grundläggande bidrag, vilket bidrog till att lägga grunden för moderna stora språkmodeller. Men Hopfield-nätverk har en gräns: om de överbelastas med för många minnen kollapsar systemet till ett oordnat spinnglastillstånd där återkallningen misslyckas.phys+1

Levs grupp vände denna begränsning till en fördel. Genom att använda Bose-Einstein-kondensat, kluster av cirka 10 000 atomer som var och en kylts ner till nära den absoluta nollpunkten och beter sig som enskilda "superatomer", placerade forskarna upp till 20 sådana spinn inuti en optisk kavitet bildad av två böjda speglar. Fotoner som studsade tusentals gånger mellan speglarna skapade kopplingar mellan alla spinn, vilket efterliknar synapser i en biologisk hjärna.arxiv+1

Sju gånger kapaciteten

I ett nätverk med 16 spinn återkallade det kvantoptiska spinnglaset i genomsnitt cirka 12 minnen, jämfört med ungefär 3,6 för ett Hopfield-nätverk av samma storlek. När forskarna lossade på atomfällorna för att förstärka polaroniska deformationer, en självförstärkande koppling mellan spinn och rörelse, steg kapaciteten till 25 minnen, en sjufaldig förbättring jämfört med Hopfield-gränsen.science+1

Systemet uppvisade också kortvarig plasticitet: fotonförmedlade krafter fick atomerna att ändra position, vilket dynamiskt omformade nätverkets kopplingar i en process som forskarna liknar vid synaptisk plasticitet i hjärnan.eurekalert+1

Tidigt stadium, stora ambitioner

Apparaten fungerar för närvarande inuti en vakuumkammare vid kryogena temperaturer, vilket gör en praktisk användning avlägsen. Lev medgav att forskningen fortfarande är på ett konceptstadium men sa att hans team redan arbetar med att skala upp antalet spinn och introducera kvantsammanflätning mellan dem.eurekalert

"Vi har nu ett koncepttest för ett fysiskt nätverk som anpassar sig på samma sätt som ett lärande system, och om vi kan förbättra och skala upp det kan AI-hårdvara bli betydligt mindre energikrävande att träna", sa Lev.phys