Учёный Саратовского университета совместно с коллегой из Берлинского технического университета доказали, что сложные многослойные нейронные сети, используемые для машинного обучения, можно заменить осцилляторами с запаздывающей обратной связью. Это открытие может значительно упростить и удешевить создание устройств, способных решать задачи искусственного интеллекта в реальном времени.

Исследователи показали, что два связанных бистабильных осциллятора с запаздыванием могут воспроизводить поведение сложной двухслойной нейронной сети. В частности, они изучили два ключевых явления: стохастический резонанс – когда шум усиливает полезный сигнал, и распространение волнового фронта, при котором одно из двух сосуществующих состояний системы заполняет всё возможное пространство.

Создание физических нейронных сетей – сложный и дорогостоящий процесс. Осцилляторы с запаздыванием предлагают более простую и дешёвую альтернативу.

Этот подход может быть особенно полезен для разработки устройств, решающих задачи в реальном времени, например, для прогнозирования временных рядов, распознавания изображений или решения задач оптимизации.

Учёные сначала смоделировали поведение осцилляторов на компьютере, а затем создали физические прототипы на базе электронных компонентов. Результаты экспериментов полностью подтвердили теоретические расчёты.

Осцилляторы с запаздывающей обратной связью активно исследуются учёными по всему миру. Преимущество прототипов, разработанных командой В.В. Семёнова, – в простоте разработанных схем, низкой стоимости электронных компонентов и малых размерах.

Исследователи планируют расширить круг задач, которые могут решать осцилляторы с запаздыванием. В частности, в Саратовском университете изучается возможность применения этих систем для моделирования «спайковых нейронных сетей» – нового класса нейронных сетей, работа которых во многом воспроизводит электрическую активность клеток мозга.