El túnel cuántico se une a la IA: cómo las redes neuronales profundas están transformando las aplicaciones ópticas

El efecto túnel cuántico (QT), descubierto en la década de 1920, fue un logro importante en el campo de la mecánica cuántica. Dado que existe una diferencia fundamental importante entre las neuronas artificiales y biológicas en todos los aspectos, la inteligencia artificial lucha por replicar la percepción humana, particularmente con imágenes complejas como el cubo de Necker y el jarrón de Rubin. La Inteligencia Artificial no puede alternar entre diferentes interpretaciones de estas ilusiones debido a sus procesos neurológicos y psicológicos, tal como lo hacen los humanos.

Los enfoques actuales de la visión artificial, que dependen en gran medida de las redes neuronales profundas (DNN) convencionales con funciones de activación estándar como ReLU, enfrentan limitaciones a la hora de duplicar la percepción humana de las ilusiones ópticas. Las redes neuronales profundas a menudo tienen dificultades para capturar los factores físicos, fisiológicos y psicológicos que guían la visión humana, lo que dificulta comportarse de la misma manera que lo hacen los humanos. Una red neuronal profunda es una colección de algoritmos de aprendizaje automático inspirados en la estructura y el funcionamiento generales del cerebro, con múltiples capas de nodos entre las entradas y las salidas y muchas capas ocultas. El cerebro humano, que puede cambiar sin esfuerzo entre múltiples interpretaciones de un único estímulo visual, exhibe un comportamiento similar al cuántico que las DNN tradicionales no logran replicar. Por ello, investigadores de la Universidad Charles Sturt (Australia) han propuesto un nuevo modelo neuromórfico DNN que incorpora el túnel cuántico (QT) como función de activación, llamado QT-DNN.

El modelo QT-DNN se prueba en las ilusiones del cubo de Necker y del jarrón de Rubin. La principal innovación del equipo de investigación gira en torno a la idea de utilizar ecuaciones de probabilidad de túnel cuántico como función de activación para los nodos de la capa oculta, reemplazando funciones de activación como sigmoide o ReLU. QT-DNN utiliza de forma única un generador físico de números aleatorios cuánticos para garantizar un procesamiento de información visual imparcial.

Su arquitectura consta de una capa de entrada con 100 nodos, tres capas ocultas con 20 nodos cada una y una capa de salida con dos nodos para clasificación. Puede iniciar no solo el cambio entre diferentes interpretaciones de las ilusiones, sino también estados intermedios que representan una superposición de percepciones múltiples, lo cual se observa fácilmente en sujetos humanos pero es difícil de replicar con las DNN clásicas. En comparación con las DNN tradicionales, QT-DNN mostró una mejor alineación con las predicciones teóricas de modelos cuánticos y observaciones experimentales de la percepción humana.

En conclusión, QT-DNN, diseñado sobre principios de la mecánica cuántica, es un método único para reducir la brecha entre la percepción humana y la máquina con sus útiles aplicaciones en campos que requieren un procesamiento visual similar al humano, como la seguridad de la aviación, los sistemas de realidad aumentada y la medicina. diagnóstico. La investigación abre una nueva puerta para desarrollar sistemas de inteligencia artificial más sofisticados que interpreten mejor la información visual de manera similar a la percepción humana.

Mira el Papel y Detalles. Todo el crédito por esta investigación va a los investigadores de este proyecto. Además, no olvides seguirnos en Gorjeo y únete a nuestro Canal de telegramas y LinkedIn Grarriba. Si te gusta nuestro trabajo, te encantará nuestro hoja informativa.. No olvides unirte a nuestro SubReddit de más de 55.000 ml.

(Oportunidad de Patrocinio con nosotros) Promocione su investigación/producto/seminario web con más de 1 millón de lectores mensuales y más de 500.000 miembros de la comunidad

Nazmi Syed es pasante de consultoría en MarktechPost y está cursando una licenciatura en ciencias en el Instituto Indio de Tecnología (IIT) Kharagpur. Tiene una profunda pasión por la ciencia de datos y explora activamente las amplias aplicaciones de la inteligencia artificial en diversas industrias. Fascinada por los avances tecnológicos, Nazmi está comprometida a comprender e implementar innovaciones de vanguardia en contextos del mundo real.