Stanford-fysikere bygger atom-foton-nettverk: Lagrer sju ganger mer enn klassisk AI-modell

Et team ledet av Stanford-fysiker Benjamin Lev har bygget et nettverk av ultrakalde atomer og fotoner som fungerer som et assosiativt minne, og som lagrer opptil sju ganger flere minner enn den klassiske nevrale nettverksmodellen som bidro til en Nobelpris. Resultatene, som ble publisert 3. september i tidsskriftet Science, peker mot en fremtid der AI-maskinvare kan lære og huske med langt færre ressurser.eurekalert+1

Fra Hopfield til spinnglass

Arbeidet bygger videre på Hopfield-nettverket, en matematisk modell introdusert i 1982 som viste hvordan et system av vekselvirkende spinn kan lagre og hente frem minner fra ufullstendige eller ødelagte data. John Hopfield delte Nobelprisen i fysikk for 2024 for dette grunnleggende bidraget, som bidro til å legge fundamentet for moderne store språkmodeller. Men Hopfield-nettverk møter en vegg: Hvis de overbelastes med for mange minner, kollapser systemet inn i en uordnet spinnglasstilstand der gjenkallingen svikter.phys+1

Levs gruppe snudde denne begrensningen til en fordel. Ved å bruke Bose-Einstein-kondensater, klynger av rundt 10 000 atomer som hver er nedkjølt til nær det absolutte nullpunkt og oppfører seg som enkle "superatomer", plasserte forskerne opptil 20 slike spinn i et optisk hulrom dannet av to krumme speil. Fotoner som spratt tusenvis av ganger mellom speilene, skapte forbindelser mellom alle spinnene, noe som etterligner synapser i en biologisk hjerne.arxiv+1

Sju ganger kapasiteten

I og med et nettverk med 16 spinn gjenkalte det kvanteoptiske spinnglasset i gjennomsnitt rundt 12 minner, sammenlignet med omtrent 3,6 for et Hopfield-nettverk av samme størrelse. Da forskerne løsnet på atomfellene for å forsterke polaroniske deformasjoner, en selvforsterkende kobling mellom spinn og bevegelse, klatret kapasiteten til 25 minner, en sjudobling av Hopfield-grensen.science+1

Systemet viste også kortsiktig plastisitet: fotonformidlede krefter fikk atomene til å endre posisjon, noe som dynamisk endret nettverkets forbindelser i en prosess forskerne sammenligner med synaptisk plastisitet i hjernen.eurekalert+1

Tidlig fase, store ambisjoner

Apparatet fungerer for øyeblikket i et vakuumkammer ved ekstremt lave temperaturer, noe som gjør praktisk bruk fjern. Lev innrømmet at forskningen fortsatt er på et konseptstadium, men sa at teamet hans allerede jobber med å skalere opp antall spinn og introdusere kvantesammenfiltring mellom dem.eurekalert

"Vi har nå et konseptbevis for et fysisk nettverk som tilpasser seg på samme måte som et lærende system, og hvis vi kan forbedre og skalere det opp, kan AI-maskinvare bli langt mindre strømkrevende å trene," sa Lev.phys