Klifford U.Mörfi professoru və Sent-Luisdəki Vaşinqton Universitetinin McKelvey Mühəndislik Məktəbinin tədqiqat və magistratura üzrə dekan müavini Şantanu Çakrabarti deyir ki, 3×3 ölçülü Rubik kubunu həll etmək asandır. Sadəcə addımları öyrənin və yadda saxlayın, sonra həllə çatmaq üçün onları yerinə yetirin.

Kompüterlər bu cür prosedur problemlərini həll etməkdə artıq yaxşıdır. İndi Chakrabartty və onun əməkdaşları narkotik kəşfinə qədər logistika sahəsində mürəkkəb optimallaşdırma problemlərinə yeni həllər tapmaq üçün prosedurdan kənara çıxa biləcək bir alət hazırladılar .

Chakrabartty və onun əməkdaşları insan neyrobiologiyasının necə fəaliyyət göstərdiyinə dair modelləşdirilmiş problem həll edən neyromorfik arxitektura NeuroSA-nı təqdim etdilər, lakin bu, optimal həllər tapmaq üçün kvant mexaniki davranışdan istifadə edir – zəmanətli – və bu həlləri ən müasir metodlardan daha etibarlı tapmaq.

Nature Communications -da nəşr olunan çoxlu universitetlərin birgə səyi Telluride Neyromorfik və İdrak Mühəndisliyi seminarında yaranıb və McKelvey Engineering-də Preston M. Green Elektrik və Sistem Mühəndisliyi Departamentinin aspirantı Çakrabarti və ilk müəllif Zihao Çen tərəfindən idarə olunub.

“Biz problemlərin həlli yollarını daha əvvəl insan öyrənməsi əsasında modelləşdirilmiş kompüterlərdən daha yaxşı həll etmək yollarını axtarırıq” dedi Çakrabarti. “NeuroSA , məqsəd yeni və naməlum həllər tapmaq olan maşın öyrənməsində ən çətin problem olan “kəşf” problemini həll etmək üçün hazırlanmışdır .”

https://googleads.g.doubleclick.net/pagead/ads?client=ca-pub-0536483524803400&output=html&h=280&slotname=2793866484&adk=2520359048&adf=746485419&pi=t.ma~as.2793866484&w=750&abgtt=6&fwrn=4&fwrnh=0&lmt=1745917913&rafmt=1&armr=3&format=750×280&url=https%3A%2F%2Ftechxplore.com%2Fnews%2F2025-04-neuromorphic-quantum-effects-optimal-solutions.html&fwr=0&rpe=1&resp_fmts=3&wgl=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTM1LjAuNzA0OS4xMTUiLG51bGwsMCxudWxsLCI2NCIsW1siR29vZ2xlIENocm9tZSIsIjEzNS4wLjcwNDkuMTE1Il0sWyJOb3QtQS5CcmFuZCIsIjguMC4wLjAiXSxbIkNocm9taXVtIiwiMTM1LjAuNzA0OS4xMTUiXV0sMF0.&dt=1745917912870&bpp=1&bdt=474&idt=249&shv=r20250424&mjsv=m202504240101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Dfdc40d724f2dca57%3AT%3D1735367325%3ART%3D1745832025%3AS%3DALNI_MYStQ6fUQQQLyo5Z7z1h-XhXcWBtA&gpic=UID%3D00000f80eacffadc%3AT%3D1735367325%3ART%3D1745832025%3AS%3DALNI_MYaOugky0UawScoidzfbXof3-N-iw&eo_id_str=ID%3De43bb863646b60b8%3AT%3D1735367325%3ART%3D1745832025%3AS%3DAA-AfjbQoPwZqH28q9IwcCLRSzzg&prev_fmts=0x0&nras=1&correlator=6107482541807&frm=20&pv=1&rplot=4&u_tz=240&u_his=1&u_h=1080&u_w=1920&u_ah=1032&u_aw=1920&u_cd=24&u_sd=1&dmc=8&adx=448&ady=1676&biw=1905&bih=945&scr_x=0&scr_y=0&eid=95358975%2C95359117%2C95356809&oid=2&pvsid=3025042860800867&tmod=1309570966&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1920%2C0%2C1920%2C1032%2C1920%2C945&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=254

Optimallaşdırmada tavlama, nəticədə ən yaxşı həllə qərar vermədən əvvəl müxtəlif mümkün həlləri araşdırmaq üçün bir prosesdir. Chakrabartty deyir ki, Fowler-Nordheim (FN) qızdırıcıları bu ən optimal həlli səmərəli şəkildə axtarmaq üçün kvant mexaniki tunel prinsiplərindən istifadə edir və onlar NeuroSA-nın “gizli tərkib hissəsidir”.

“Optimallaşdırma problemlərində strategiya sistem dəyişməli olduğu zaman işə düşür, məsələn, kampusda ən hündür binanı axtardığınız zaman, başqa əraziyə nə vaxt köçürsünüz?” Çakrabarti bildirib. “NeuroSA-nın strukturu, neyronlar və sinapslarla olan beyin quruluşumuz kimi neyromorfikdir , lakin onun axtarış davranışı FN tavlayıcısı tərəfindən müəyyən edilir. Neyro və kvant arasındakı kritik körpü NeuroSA-nı bu qədər güclü edir və bizə kifayət qədər vaxt verildiyi təqdirdə bir həll tapacağımıza zəmanət verməyə imkan verir.”

Bu zəmanət xüsusilə problemin mürəkkəbliyindən asılı olaraq NeuroSA-ya optimal həll axtarışına icazə vermək üçün vaxt qrafiki günlərdən həftələrə və ya daha uzun müddətə dəyişə bildikdə xüsusilə vacib olur.

Məqalədə Chakrabartty komandası, SpiNNcloud Systems-də tədqiqat qrupu ilə əməkdaşlıq edərək, NeuroSA-nın SpiNNaker2 neyromorfik hesablama platformasında tətbiq oluna biləcəyini nümayiş etdirərək onun praktiki mümkünlüyünü sübut etdi. Daha sonra Chakrabartty təxmin edir ki, alət təchizat zəncirlərində, istehsal və nəqliyyat xidmətlərində logistikanı optimallaşdırmaq və ya optimal zülal qatlanması və molekulyar konfiqurasiyaları tədqiq etməklə yeni dərmanların kəşfi üçün tətbiq oluna bilər.

Daha çox məlumat: Zihao Chen və digərləri, Fowler-Nordheim tavlayıcılarından istifadə edən ON-OFF neyromorfik ISING maşınları, Nature Communications (2025). DOI: 10.1038/s41467-025-58231-5

Jurnal məlumatı: Nature Communications Sent-Luisdəki Vaşinqton Universiteti tərəfindən təmin edilmişdir