Des physiciens de l'Université d'État de Petrozavodsk ont ​​proposé une nouvelle méthode de réseau de neurones oscillatoires pour reconnaître des images simples. De tels réseaux avec un état synchrone réglable de neurones individuels ont, probablement, dynamique similaire aux neurones du cerveau vivant.

Un réseau de neurones oscillatoires est un entrelacement complexe d'éléments en interaction (oscillateurs) capables de recevoir et de transmettre des oscillations d'une certaine fréquence. Recevoir des signaux de différentes fréquences des éléments précédents, l'oscillateur de neurones artificiels peut synchroniser son rythme avec ces fluctuations. Par conséquent, dans le réseau, certains éléments sont synchronisés entre eux (activés périodiquement et simultanément), et d'autres éléments ne sont pas synchronisés. De cette façon, une image spatio-temporelle de la distribution de synchronisation est formée. Il a été communément admis que de tels processus sont responsables du traitement et de la transmission de l'information dans le cerveau humain, et sont donc particulièrement intéressants pour l'étude.

Les scientifiques du Département d'électronique et d'ingénierie énergétique de l'Université d'État de Petrozavodsk se sont fixé pour objectif la reconnaissance de formes basée sur des réseaux d'oscillateurs couplés mis en œuvre sur des structures en dioxyde de vanadium. Les physiciens ont développé une méthode d'enregistrement de synchronisation avec une sensibilité et une sélectivité élevées. En l'appliquant dans la pratique, il est possible de créer un réseau capable de reconnaître des images de la même manière que le font les systèmes neuronaux biologiques.

Dans l'étude, les images d'entrée sous forme de tables tridimensionnelles ont été transmises au réseau en modifiant les courants d'alimentation, et les courants modifiaient les fréquences d'oscillation des oscillateurs. Par conséquent, le réseau réagit à chaque image reçue avec une dynamique spécifique. L'idée de la nouvelle méthode consistait à sélectionner des paramètres réseau clés pour entraîner le système à se synchroniser uniquement pour une image d'entrée spécifique, ce qui signifie le reconnaître.

L'état de synchronisation du neurone-oscillateur de sortie par rapport au rythme du neurone-oscillateur principal a été choisi comme signal de sortie enregistré. Les auteurs ont démontré que la synchronisation peut être observée non seulement aux fréquences fondamentales, mais aussi à leurs multiples parties (sous-harmoniques). Une augmentation du nombre d'états synchrones due aux sous-harmoniques est appelée effet de synchronisation d'ordre élevé. Ayant simultanément plusieurs états de synchronisation, le neurone devient un neurone à plusieurs niveaux. Par conséquent, un réseau oscillatoire d'un petit nombre de neurones peut effectuer des opérations complexes telles que la parole, reconnaissance d'images et de vidéos, et résoudre la prédiction, problèmes d'optimisation et de contrôle.

En utilisant cette propriété, les chercheurs ont configuré le réseau de telle sorte que différentes images d'entrée provoquent différents modèles de synchronisation du réseau oscillatoire. Ils ont découvert que le réseau était capable de reconnaître simultanément jusqu'à 14 chiffres trois par trois sur 102 variantes possibles, tout en n'ayant qu'un seul oscillateur en sortie.

"À l'avenir, Des puces de réseau neuronal compactes avec des oscillateurs à l'échelle nanométrique peuvent être créées sur la base de ces réseaux. La particularité de la technologie de réseau de neurones que nous développons est un système de traitement de l'information fondamentalement nouveau. L'effet de la synchronisation d'ordre élevé des signaux pulsés permet l'utilisation de neurones à plusieurs niveaux avec un degré élevé de fonctionnalité. L'avantage de tels réseaux de neurones oscillatoires est la perspective de créer des réseaux de neurones utilisant une grande variété d'oscillateurs physiques, y compris les oscillateurs magnétiques et électriques. À la fois, le réseau formé n'a plus besoin de calculs informatiques, et fonctionne indépendamment en tant qu'organisme neuronal séparé, ", explique le professeur agrégé Andrei Velichko.