Stanford gjorde et kvantespinnglass til et assosiativt minne

Et assosiativt minne kan rekonstruere et helt lagret mønster fra en ufullstendig eller forstyrret ledetråd – litt som å kjenne igjen et ansikt i et uskarpt bilde. Gruppen til Stanford-fysikeren Benjamin Lev har demonstrert denne typen gjenhenting i et drevet, dissipativt nettverk av ultrakalde atomer og lys. Det uvanlige er at de bruker den komplekse spinglass-oppførselen som normalt begrenser et klassisk Hopfield-nettverk, som en del av selve minnekapasiteten. I et system med 16 spinn rapporterer forskerne kapasitet opptil sju ganger over den klassiske Hopfield-grensen. 14

Slik ble atomene gjort til «nevroner»

Oppsettet består av Bose-kondenserte atomgasser inne i en multimodus, nær-konfokal optisk kavitet – et presist speilresonator-system som holder og leder lys. Hver fangede atomsamling fungerer som et effektivt spinn, altså en node i nettverket. Kaviteten støtter mange lysmoduser, og fotoner som spres gjennom dem, formidler vekselvirkningene mellom atomspinnene.

I analogien med et nevralt nettverk er atomsamlingene nevroner, mens kavitetens lysmoduser utgjør synapsene, altså koblingene mellom dem. 324

Denne arkitekturen er viktig fordi fotonene kan koble spinn over lange avstander, ikke bare til nærmeste nabo. Koblingene er i praksis all-til-all og kan ha ulike fortegn. Det skaper den frustrerte forbindelsesstrukturen som kjennetegner et spinnglass. 29

Mønstre kan kodes i nettverkets koblinger og leses av optisk. Forskerne bruker lyset fra kaviteten til å undersøke inngangs- og utgangstilstander, slik at de kan se om et delvis mønster utvikler seg mot et lagret mønster. 2414

Hvorfor spinnglass vanligvis ødelegger gjenhenting

I den klassiske Hopfield-modellen er minner nyttige stabile tilstander, eller attraktorer, i et nettverk av spinn der alle er koblet til alle. Når for mange mønstre lagres, begynner kravene i de ulike minnene å konkurrere. Da oppstår frustrasjon og mange utilsiktede stabile tilstander – et spinnglass-regime.

Under likevektsdynamikk forstyrrer disse ekstra minimumene pålitelig gjenhenting. For 16 spinn gir den vanlige termodynamiske Hopfield-estimatet på om lag (0,14N) en referanse på rundt 3,6 lagrede mønstre. Dette er et teoretisk sammenligningsgrunnlag, ikke en påstand om at ethvert endelig Hopfield-nettverk med 16 noder nødvendigvis henter nøyaktig 3,6 mønstre. 28

Gjorde glassaktige tilstander til minner

Lev-gruppen drev ikke systemet som et Hopfield-nettverk i likevekt. Det er i stedet drevet og dissipativt: Eksternt optisk driv tilfører energi til atom-foton-systemet, mens fotontap og andre tapskanaler fjerner energi. Denne ikke-likevektsdynamikken endrer hvilke tilstander som blir stabile og reproduserbare.

Hovedresultatet er at glassaktige minima, som ville vært uønskede ved gjenhenting i likevekt, kan bli pålitelige attraktorer i dette drevne, dissipative systemet. Gruppen rapporterer assosiativ minnekapasitet opptil sju ganger høyere enn Hopfield-grensen i sitt 16-spinns nettverk. 14

Omtale av forsøket beskriver gjenhenting av om lag 12 minner i en konfigurasjon med 16 spinn, mot Hopfield-referansen på omtrent 3,6 mønstre. Da atomfellene ble gjort løsere, ble det rapportert opptil om lag 25 minner. Resultatene i disse små nettverkene må likevel forstås som prinsippbevis, ikke som en generell skaleringslov for KI-systemer. 411

Atombevegelse ga en forbigående form for plastisitet

Atomsamlingene er ikke ubevegelige, matematiske spinn. Bevegelsen deres er koblet til de fotonformidlede spinninteraksjonene: En bestemt spinnkonfigurasjon kan påvirke atomskyenes bevegelsestilstand, og den endrede bevegelsen kan deretter endre nettverkets koblinger.

Forskerne kaller dette en polaronisk «elastisitet». Funksjonelt betyr det at de effektive synaptiske koblingene blir aktivitetsavhengige og tidsvarierende: Nettverkets nylige tilstander kan påvirke den videre gjenhentingsdynamikken. Teamet sammenligner dette med kortvarig synaptisk plastisitet, ikke med varig læring eller trening av vekter. 14

Løsere feller gir atomene større mulighet til å bevege seg, og de rapporterte resultatene knytter dette til høyere minnekapasitet. Atombevegelsen er dermed ikke bare støy som må fjernes, men kan være en aktiv beregningsingrediens i denne plattformen. 411

Lovende fysikk, men ikke KI-maskinvare i praksis ennå

Arbeidet viser en eksperimentell vei til assosiativt minne basert på kollektiv atom-foton-dynamikk utenfor likevekt. Det gir også uvanlig direkte mikroskopisk kontroll og avbildning av et drevet, dissipativt spinnglassnettverk. Beslektet arbeid fra gruppen har realisert kavitet-QED-spinnglass med opptil 25 effektive spinn. 2930

Det demonstrerer derimot ikke en praktisk erstatning for GPU-er, vanlig dataminne eller nevrale systemer ved romtemperatur. Apparaturen er avhengig av ultrakalde atomgasser, optiske feller, presisjonslasere, høyt vakuum og en stabilisert multimoduskavitet. Et eventuelt energiregnskap må omfatte hele denne infrastrukturen; dagens resultater dokumenterer ikke noen samlet energifordel for KI-beregning.

Likevel er retningen interessant. Forsøket peker mot at fysiske systemer med adaptive koblinger og kollektiv dynamikk utenfor likevekt kan tilby alternativer til konvensjonell digital maskinvare for bestemte minne- og optimaliseringsoppgaver. Gruppens publikasjoner peker også mot videre forskning på drevne, dissipative spinnglass og kvantefenomener, blant annet sammenfiltring. Om dette kan gi en nyttig beregningsfordel i stor skala, er fortsatt et åpent eksperimentelt spørsmål. 629