Учёные научили массив из 400 микроскопических частиц, взвешенных в капле жидкости, прогнозировать хаотический сигнал
Резервуар на коллоидных частицах обнаруживает тонкие аномалии с F1-мерой 0,90 — не затрагивая среднее значение и дисперсию сигнала
По точности прогнозирования коллоидный массив примерно в 10 раз уступает системам на мемристорах
Лазерная установка энергетически неэффективна, поэтому предлагается перейти к управлению коллоидами через электроды
Физики из Университета Констанца и Штутгартского университета собрали необычный вычислитель: массив из 400 микроскопических частиц, движущихся по орбитам в капле жидкости, они заставили прогнозировать хаотические сигналы и находить в них аномалии. Работа опубликована в журнале Communications AI & Computing. Массив успешно предсказал классический хаотический ряд Mackey-Glass и выявил аномалии, которые не меняют среднее значение, дисперсию и краткосрочную автокорреляцию сигнала, — на этой более сложной задаче он достиг F1-меры 0,90. Правда, по точности система примерно в 10 раз уступила резервуарам на мемристорах, и в самой работе это прямо признаётся.
Источник изображения — tomshardware.com
В основе эксперимента лежит идея так называемых резервуарных вычислений. Вместо того чтобы обрабатывать данные в цифровых схемах, входной сигнал подают на сложную физическую систему — «резервуар», — а обучают лишь простой считывающий слой на выходе. Богатая нелинейная динамика самой среды при этом делает основную часть работы. Обычные компьютеры и нейросети для сложных задач требуют всё больше транзисторов и энергии; здесь же вычисления рождаются из коллективного движения взаимодействующих частиц.
Как работает «жидкий компьютер»
Каждый осциллятор — это кремниевая сфера радиусом 3 мкм, с одной стороны покрытая слоем углерода толщиной 80 нм и взвешенная в смеси воды и лутидина при температуре 28 °C. Лазер с длиной волны 532 нм нагревает это покрытие и толкает частицу к заданной целевой точке. Из-за задержки между тем, как система фиксирует положение частицы, и тем, как перенаправляет луч, частица проскакивает цель и выходит на небольшую орбиту. Потоки в жидкости связывают соседние орбиты между собой, а сами данные подаются в систему как смещения целевых точек.
Расстояние между частицами в решётке задаёт силу связи: гидродинамические силы слабеют с расстоянием. Второй управляемый параметр — порог демпфирования — определяет амплитуду колебаний каждой частицы. Оба параметра можно менять прямо по ходу эксперимента, и ошибка прогнозирования в этом пространстве параметров различается более чем втрое. Показательно, что точность сохранялась, даже когда сигнал подавали лишь на 20 % осцилляторов, а также когда отдельные частицы переставали реагировать на лазер или слипались друг с другом.
Насколько это точно
На одношаговом прогнозировании ряда Mackey-Glass коллоидный массив вышел на нормированную среднеквадратичную ошибку около 0,1. Для сравнения: мемристорные устройства сегодня показывают на том же эталоне 0,01 и лучше — но эти результаты опираются на временнóе мультиплексирование и стали итогом почти десяти лет целенаправленной работы.
В работе честно отмечается, что новый резервуар не превосходит уже существующие физические реализации. При этом предварительная публикация на arXiv, вышедшая ещё в январе, подавала результат под другим углом: отказ от временнóго мультиплексирования выделяет платформу почти на фоне всех прочих физических резервуаров — фотонных, мемристорных и спинтронных.
Что нужно для работы и вопрос энергоэффективности
Список оборудования внушительный: лазер на 532 нм, двухосевой акустооптический дефлектор со сканированием на частоте 100 кГц, микроскопия реального времени с отслеживанием частиц, термостатированная кварцевая ячейка и обычный компьютер, который обрабатывает 1000 гауссовых ядер и гребневую регрессию для формирования выходного сигнала. Любопытно, что, хотя энергоэффективность заявлена как одна из мотиваций, никаких цифр по энергопотреблению в работе не приводится. Более того, признаётся, что лазерная установка вряд ли применима на практике, поэтому в качестве более простого способа приведения частиц в движение предлагаются коллоиды, управляемые электродами.
Зачем это нужно
Клеменс Бехингер, профессор физики мягкого конденсированного состояния из Университета Констанца, в сообщении университета подчёркивает: динамику среды не обязательно понимать до конца — достаточно, чтобы она реагировала предсказуемо. В этом случае, по его словам, «её физику можно напрямую использовать для вычислений». Пока это лишь лабораторная модель, но она показывает, что полезные вычисления способны рождаться из коллективного движения крошечных частиц.
Отдельно исследователи отмечают практическую ценность обнаружения аномалий. Способность улавливать едва заметные сдвиги в шумных данных особенно важна для сейсмических измерений или климатических рядов, где тонкие изменения динамики нередко служат ранними предвестниками катастроф. А чтобы оценить, насколько быстро развивается вся область: в этом же месяце другая команда синхронизировала 105 000 наноосцилляторов всего за 45 наносекунд на платформе, которая, как ожидается, будет работать на частотах в десятки гигагерц.
