Автор: 
Учёные из Нидерландов и США создали электромеханическую нейросеть, в которой веса задаются не в цифровом виде, а через изменяемую жесткость элементов. Получая на вход усилия, она преобразует их в соответствии с весами, установленными в результате обучения. Статья о разработке опубликована в журнале Science Robotics.
Как естественные, так и искусственные нейросети состоят из нейронов, передающих друг другу сигналы. Пожалуй, главная особенность нейросетей заключается в том, что поведение связей, через которые проходят сигналы, изменчиво. В процессе обучения они получают разный вес, который влияет на передаваемый сигнал. В классических искусственных нейросетях эти значения задаются в виде цифровых данных, хранящихся в компьютере.
Несмотря на то, что сегодня практически все вычисления в мире делаются на электрических компьютерах, есть проекты, в которых учёные и инженеры создают вычислительные машины, работающие без электричества, или в которых таким образом работает их основная часть. К примеру, NASA финансирует и рассматривает такие проекты в качестве потенциального решения для миссий на поверхности Венеры, где из-за экстремальных условий атмосферы использовать обычные компьютеры затруднительно. В этой области разрабатываются и неэлектронные нейросети, например, на основе стеклянных пластин, классифицирующих изображение за счёт рассеяния света.
Учёные под руководством Джонатана Хопкинса (Jonathan B. Hopkins) из Калифорнийского университета в Лос-Анджелисе создали нейросеть, в которой используется электроника, но сам процесс передачи сигнала основан исключительно на механических взаимодействиях элементов. В новой нейросети связи между нейронами состоят из элементов с переменной жёсткостью, которая выполняет роль веса. Переменная жёсткость обеспечивается за счёт линейных актуаторов на основе катушки индуктивности. Также в нейросети есть датчики, отслеживающие смещение узлов сети (нейронов). Всего в ней используется 21 элемент с переменной жёсткостью, актуаторы на нейронах первого слоя и две камеры, отслеживающие смещения последних двух элементов.
Во время работы, как и в классических искусственных нейросетях, на вход подаются данные (в этом случае силы, прилагаемые в двух входящих узлах), а на выходе получается результат в виде смещения двух последних узлов. При обучении нейросеть начинает со случайных значений жёсткости каждого элемента, а затем при помощи алгоритма оптимизации подстравает их так, чтобы в ответ на определённые входящие данные выдавался соответствующий результат.
Сначала авторы успешно проверили работу такой нейросети, симулировав восьмислойную сеть с гораздо большим количеством узлов и обучив её десяти задачам (под этим авторы подразумевали получение набора смещений выходных нейронов в ответ на набор сил на входных). Затем они сумели реализовать это и на собранном устройстве, обучив её двум задачам. В качестве потенциального применения учёные предложили использовать нейросети такого типа в самолётах, чтобы автоматически изгибать крыло в зависимости от текущей аэродинамической нагрузки.
