來自雪梨大學和日本國家材料科學研究所的科學家們在自然通訊上發文：通過奈米線網絡能夠模擬人類大腦對於電信號的應激反應，這可能為人工智慧領域打開一扇新的大門。如今主流的人工智慧技術從某種意義上來講是受到大腦結構的啟發而發明的。
然而隨著計算機算力的不斷提升，計算機的AI計算已經與人腦有了本質的區別：與人類大腦相比，AI通過在大數據中尋找模型規律的能力是人類大腦遠不能及的。
但是人類的大腦顯然不相信「大力出奇蹟」，並且大腦處理的信息往往都是稀疏、複雜而且時時都在劇烈變化的。
這也是如今不少AI科學家們夢寐以求的特性。最近，來自雪梨大學和日本國家材料科學研究所的科學家們在自然通訊上發表論文，試著通過使用奈米線網絡（NWN）來模擬人類大腦在受到電激時的反應，實驗效果還不錯。
所謂奈米線網絡是由一堆平均長度不超過10微米，直徑不超過500奈米的銀奈米團隨機鋪在晶圓上，並且在上面覆蓋一層約1奈米厚的絕緣聚合物。
與傳統的積體電路不同的是，當電流流經網絡時，將引起銀離子在聚合物中遷徙，從而在流經不同的類似突觸結構時，便會產生與人類大腦類似的反應。
這也為從微觀物理結構角度來解釋大腦的工作原理打下了基礎。
研究團隊的最新結果表明，將奈米線網絡保持在一個類似「混沌邊緣」的狀態，在處理任務時可以獲得相當高效而且理想的結果。
這似乎為人工智慧計算打開了新的大門。
奈米線網絡模型
研究人員利用含有PVP塗層的自組裝銀奈米線形成高度無序、複雜的網絡拓撲。NWN作為一種神經形態設備，在整個網絡的固定電極位置之間應用偏壓操作。
為了更深入地了解神經形態動力學，研究人員開發了一個物理驅動的 Ag PVP NWN計算模型。
圖a.自組裝銀奈米線光學顯微鏡圖像（1:100微米）
圖c. Gjn對∣Λ∣的非線性相關性，即產生類似開關的交界動態
當0≤∣Λ∣
圖a.初始不活動的 NWN（所有交界處Λ=0）的 DC激活曲線
圖b. NWN的快照可視化，顯示第一傳輸通路的形成，對應到最短路徑長度 n。
圖c.穩態網絡電導
該部分的研究結果表明，NWN能夠自適應地響應外部驅動，並且可以在雙穩態（LCS和HCS）之間進行一階相變。這些全局網絡動態狀態源於節點之間的循環連接及其切換狀態。
節點切換驅動非本地傳輸
網絡激活或去激活可以理解為節點之間的循環連接中出現的集體效應。
根據基爾霍夫定律（KVL），所有進入某節點的電流總和等於所有離開這節點的電流總和；沿著閉合迴路所有元件兩端的電壓的代數和等於零。
經過一系列交匯點的切換，實驗結果表明，傳輸通路的出現是因為複雜網絡拓撲結構和憶阻連接點切換之間產生的耦合。當連接點過渡到導電狀態時，會引發級聯活動，自適應地重新將電壓分配到周圍。
雪崩開關動力學
研究團隊發現，在神經元群和其他神經形態系統中，具有無標度大小和生命周期事件統計數據的雪崩，這是臨界動力學的一個標誌。
通過改變遠離閾值Vth的驅動電壓強度，雪崩分布開始偏離冪律。
