Ученые обнаружили новые формы «памяти» в сложных системах с помощью искусственного интеллекта

Исследователи из Швейцарской высшей технической школы Лозанны (EPFL), Калифорнийского технологического института и Калифорнийского университета в Беркли открыли множество ранее неизвестных способов, которыми физические системы могут надёжно хранить информацию даже в условиях хаоса и шума. Работа, опубликованная на сервере препринтов arXiv, пересматривает устоявшиеся представления о нерановесных многочастичных «памятях».

До сих пор наиболее изученным примером такой памяти в двумерных системах было правило Тоома — простой механизм голосования большинства в треугольной области, который исправляет ошибки. Долгое время считалось, что это едва ли не единственный возможный механизм устойчивого хранения информации в локально взаимодействующих системах.

Однако, используя комбинацию строгих математических доказательств и методов машинного обучения, исследователи показали, что «ландшафт» возможных двумерных памятях огромен и разнообразен. Они не только строго доказали, что большинство асимметричных правил голосования большинства также создают устойчивую память, но и с помощью нейросетевого подхода обнаружили совершенно новые классы клеточных автоматов-памятей.

Эти новые автоматы, названные B, C и D, исправляют ошибки качественно иными способами: сжимают домены в треугольники, «выдавливают» их под углом или даже демонстрируют «шум-стабилизированный» порядок, когда память существует только при определённом уровне шума, а в его отсутствие исчезает. Последний случай является нерановесным аналогом эффекта Померанчука.

Особый интерес представляет тот факт, что для некоторых из найденных правил стандартный метод теоретического анализа — теория среднего поля — полностью проваливается, предсказывая отсутствие упорядоченной фазы при любом шуме. На практике же эти системы поддерживают память за счёт флуктуаций, которые теория среднего поля игнорирует. Это одни из первых известных примеров, где упорядоченность полностью обусловлена флуктуациями.

Исследователи также изучили, как память зависит от синхронности обновлений системы, и обнаружили автоматы с «защитой асинхронностью», которые сохраняют информацию только при обновлении в случайные моменты времени, а не одновременно во всех точках.

Открытие показывает, что физика нерановесных многочастичных систем, способных к надёжному хранению информации — ключевой функции для отказоустойчивых вычислений, квантовых памятей и, возможно, биологических процессов — гораздо богаче и разнообразнее, чем считалось ранее. Авторы отмечают, что использованный ими нейросетевой подход открывает путь к поиску ещё более сложных форм «гомеостаза» и обработки информации в распределённых системах.