NIMP| Rețele neuronale artificiale bazate pe nanofibre metalice

Rețele neuronale artificiale bazate pe nanofibre metalice

Project Director: Dr. Alexandru EVANGHELIDIS

Cod proiect: PN-III-P1-1.1-PD-2019-0940

Nr. contractului: PD 127

Acronim: NEURAWEB

Valoarea totală a contractului: 246.948 RON

Scopul acestui proiect a fost crearea unei rețele neurale artificiale fizice (RNAF) folosind pânze electrofilate și metalizate ca un substrat cu costuri reduse și ușor de fabricat. Această RNAF poate fi folosită în aplicații portabile de analiză complexă de semnal, cum ar fi recunoașterea vocii, fără a necesita o conexiune constantă la Internet, ceea ce ar permite accesul privat și descentralizat la servicii de învățare automată.

Rețelele de calcul pe bază de rezervor, cunoscute și ca rețele cu stări-ecou, sunt o clasă de algoritmi de rețele neurale artificiale care se bazează pe o rețea conectată aleator, i.e. rezervorul, și un singur strat de ieșire care trebuie antrenat, ceea ce accelerează drastic procesul de antrenare, spre deosebire de paradigma Deep Learning, unde rețeaua constă în straturi multiple care trebuie antrenate. Morfologia și proprietățile de transport caloric al pânzelor electrofilate metalizate le face să fie adecvate pentru utilizarea ca rezervoare, întrucât oferă atât conectivitatea necesară, cât și răspunsul nelinear al "neuronilor" individuali.

Activitățile proiectului au început de la nivelul micro, al fibrelor individuale. Proprietățile lor electrice și de transport caloric au fost modelate folosind metode cu elemente finite. Aceste rezultate au fost introduse apoi într-un model la scară macro, al întregii pânze metalice, care a fost folosit pentru a găsi parametri fizici necesari funcționării RNAF. Folosind acești parametri, RNAF a fost creată și testată conform standardelor uzuale din literatură.

Director proiect: CS3 Dr. Alexandru Evanghelidis

Mentor: CS1 Dr. Lucică Miu

Simulare la scară mică a unei rețele de fibre metalizate supusă unor pulsuri electrice, ilustrând încălzirea diferențiată.

Comportament de integrare cu pierderi demonstrat de rețeaua simulată.

Influența temperaturii externe asupra formei pulsurilor.

Prin definirea unei scheme de encodare a unui semnal-țintă sub formă de micro-pulsuri de încălzire, capacitatea calorică a fibrelor devine echivalentul computațional al unei memorii de scurtă durată, care permite rețelei să "învețe" din stimulii la care este expusă.

Fibre electrofilate, metalizate și transferate pe suporți de sticlă.

Suportul pentru contactare electrică a rețelei de fibre.

Pentru obținerea rezultatelor a fost proiectată o interfață electronică prin care rețeaua de fibre metalizate poate fi accesată și folosită împreună cu algoritmii de învățare automată implementați pe un calculator desktop obișnuit folosind exclusiv software open-source (Python, NumPy, SciKit etc.) . Prototipul interfeței a fost realizat folosind o placă de dezvoltare și alte componente cu cost redus accesibile pe piață, însă cu toate acestea o rezoluție temporală suficientă pentru experimentele efectuate.

Schema interfeței fizice.

Prin "acordarea" rețelei cu parametri adecvați, aceasta a demonstrat capacitatea de a reține și reproduce un semnal complex.

Semnal reprodus de rețea după antrenarea pe un număr de 100 eșantioane ale semnalului-țintă.

Aceste rezultate au demonstrat posibilitatea utilizării rețelelor de fibre electrofilate și metalizate în cadrul aplicațiilor de învățare automată (machine learning), deschizând astfel multiple căi de cercetare ulterioară și de dezvoltare de dispozitive inteligente bazate pe materiale avansate. Pe de o parte, potențialul acestui material încă nu a fost explorat pe deplin, fiind testată doar cea mai simplă configurație posibilă, cu un singur nod de intrare și unul ieșire, la scară macroscopică. Microstructura rețelelor de fibre electrofilate permite, însă, numere mari de puncte de contact electric, ceea ce poate crește considerabil cantitatea de informație care poate fi extrasă și constituită într-un rezervor computațional. Pe de altă parte, atât cunoștințele dobândite în cadrul proiectului, cât și, pragmatic, protocolul de achiziție și procesare de date dezvoltat, pot fi aplicate și pe alte tipuri de materiale cu proprietăți și comportamente neliniare.

PROJECTS/ PROIECTE NATIONALE