Klasyfikacja akustyczna ze zbiornikami Skyrmion

„Siedem, jeden, dziewięć…”: Ludzki głos wymawia liczby, a materia fizyczna rozpoznaje je z dokładnością do 97 procent. Ten system rozpoznawania wzorców został opracowany przez fizyków z Uniwersytetu Duisburg-Essen (UDE) we współpracy z Uniwersytetem w Gandawie (Belgia). Rozwój umożliwia wielowymiarowe rozwiązywanie problemów szybko i bez energochłonnych szkoleń. magazyn zaawansowane systemy inteligentne Opublikuj wyniki.

Czy materia nieożywiona jest w stanie szybko i skutecznie rozpoznawać wzorce? Takie pytanie zadał zespół fizyków teoretycznych kierowany przez profesor dr Karen Evershore-Sitt. Aby udowodnić swój punkt widzenia, naukowcy wykorzystali rozpoznawanie mowy.

Zespół, w tym Robin Msiska jako pierwszy autor, wykorzystał nagrania dźwiękowe wypowiadanych liczb od 0 do 9 ze standardowej bazy danych. Fizycy przeanalizowali rodzaj i intensywność częstotliwości związanych z każdą chwilą słowa mówionego. Następnie przekształcili te informacje w sygnały napięciowe, które przyłożyli do cienkiej warstwy magnetycznej za pośrednictwem 39 styków.

Ten cienki film zawiera maleńkie wiry magnetyczne (niebo), które oddziałują z napięciem poprzez deformację. „Prosto mówiąc, można to sobie wyobrazić jako czarno-biały wzór siatki, który zmienia kształt w odpowiedzi na sygnały wejściowe”, wyjaśnia Msiska. W ten sposób materiał tworzy unikalne wzory dla każdej wypowiadanej liczby – na przykład kod QR – które można odczytać liniowo przy użyciu prostych metod.

W badaniach zespołu wykorzystano złożone symulacje, przeprowadzone głównie we Flamandzkim Centrum Superkomputerowym (Vlaams Supercomputer Centrum) we współpracy z Uniwersytetem w Gandawie. Ich system materialny poprawnie zidentyfikował 97,4 procent liczb. Kiedy zbadano tylko głosy kobiet, liczba ta wzrosła do 98,5 procent. „To pokazuje najlepszą wydajność, jaką kiedykolwiek zgłoszono dla komputera ze zbiornikiem materiału”, donosi Everschor-Sitte. I robi to na najmniejszej przestrzeni; Próbka, nad którą pracowali fizycy, ma na końcu zaledwie mikrometr.

„Jeśli ktoś korzysta z sieci neuronowej, szkolenie jest drogie i wymaga ogromnych zbiorów danych. Nasz system materiałów może rozwiązywać problemy uczenia maszynowego bez budowania systemu milionów połączonych ze sobą neuronów — pokazane tutaj rozpoznawanie mowy to tylko jeden przykład. Jest szybsze i zużywa mniej – wyjaśnia fizyk.

Jej zdaniem potencjalne zastosowania można znaleźć tam, gdzie trzeba wykryć i zinterpretować różne sygnały: w autonomicznej jeździe, prognozowaniu pogody czy w zastosowaniach medycznych. We współpracy z innymi badaczami z UDE koncentrują się obecnie na standardowym teście medycznym: elektroencefalogramie (EEG), który mierzy aktywność elektryczną mózgu. Fizycy badają, czy system magnetyczny może niezależnie wyjaśnić te wyniki.