Page 5 - No30

FIZIKAI NOBEL-DÍJ 2024
Műszeres kémiai vizsgálatok
Mesterséges neurális

hálózatok tanítása

A 2024-es fizikai Nobel-díjat leírása hasonlít a spinrendszerek
John J. Hopfield (Princeton energiájának fizikai leírásához és a
csomópontok közötti kapcsolatok
University, NJ, USA) és értékeinek megkeresésével úgy képezik ki,
Geoffrey E. Hinton (University hogy a mentett képek alacsony „energiája”
of Toronto, Canada) „olyan legyenek. Amikor a Hopfield-hálózat
alapvető felfedezésekért torzított vagy hiányos képet kap,
és találmányokért, amelyek módszeresen végigmegy a csomópontokon,
lehetővé teszik a gépi tanulást.” és frissíti azok értékeit, hogy a hálózat
energiája csökkenjen. A hálózat így lépésről
Vagyis a tudósok mesterséges egyidejűleg magas értékekkel rendelkező lépésre keresi meg azt a mentett képet,
neurális hálózatokat tanítottak a csomópontok között. amelyik a legjobban hasonlít a betáplált,
fizika segítségével. Az agy neurális hálózata élő sejtekből, tökéletlen képhez.
neuronokból épül fel, fejlett belső Geoffrey Hinton a
idei két fizikai Nobel-díjas a fizika gépezettel. A neuronok jeleket küldhetnek Hopfield-hálózatot
Az eszközeit használta olyan egymásnak a szinapszisokon keresztül. alapján egy más
módszerek kifejlesztésére, amelyek a mai Amikor megtanulunk dolgokat, egyes módszert a Boltzmann
erőteljes gépi tanulás alapját képezik. John neuronok közötti kapcsolatok erősebbé gépet alkalmazó új
Hopfield létrehozott egy asszociatív válnak, míg mások gyengülnek. A hálózatot vezetett be.
memóriát, amely képes képeket és más mesterséges neurális hálózatok értékkel Ez, képes megtanulni,
típusú mintákat tárolni és rekonstruálni az kódolt csomópontokból épülnek fel. A felismerni egy adott
adatokban. Geoffrey Hinton feltalált egy csomópontok egymáshoz kapcsolódnak, és típusú adatban a
módszert, amely képes önállóan amikor a hálózatot kiképzik, az egyidejűleg jellemző elemeket.
tulajdonságokat találni az adatokban, és így aktív csomópontok közötti kapcsolatok Hinton a statisztikus
olyan feladatokat tud végrehajtani, mint erősebbé válnak, különben gyengülnek. fizika eszközeit, a sok
például a képek bizonyos jellemző A díjazottok az 1980-as évektől kezdve hasonló komponensből
elemeinek azonosítása. foglalkoztak a mesterséges neurális felépülő rendszerek
Amikor mesterséges intelligenciáról hálózatokkal. tudományát használta
beszélünk, gyakran mesterséges neurális John Hopfield feltalált egy a mintázatok fel. A gépet úgy képezik
hálózatokat használó gépi tanulásra mentésére és rekonstruálására alkalmas ki, hogy olyan példákat
gondolunk. hálózatot. A hálózat csomópontjait úgy adnak neki, amelyek
Ezt a technológiát eredetileg az agy képzelhetjük el mind a pixeleket a képeken. nagy valószínűséggel
szerkezete ihlette. Egy mesterséges A Hopefield hálózat az anyag felmerülnek a gép
neurális hálózatban az agy neuronjait mágnességének atomi spintől függő fizikai futtatása során. A Boltzmann-gép,
különböző értéket hordozó csomópontok leírását hasznosítja. A hálózat egészének használható képek osztályozására, vagy új
képviselik. Ezek a csomópontok olyan képek létrehozására a betanított mintázat
kapcsolatokon keresztül befolyásolják típusa alapján. Hinton munkája hozzájárult,
egymást, amelyek a a gépi tanulás jelenlegi robbanásszerű
szinapszisokhoz fejlődésének elindulásához.
hasonlíthatók, és „A díjazottak munkájának már most is
amelyek erősebbé nagy haszna van. A fizikában, a mesterséges
vagy gyengébbé neurális hálózatokat, számos területen
tehetők. A használjuk, például új, specifikus
hálózatot például tulajdonságokkal rendelkező anyagok
úgy oktatják, hogy fejlesztésében” – mondta Ellen Moons, a
erősebb Fizikai Nobel-bizottság elnöke.
kapcsolatokat Nobel-Bizottság sajtóközleményének
alakítanak ki az fordítása

KÉMIAI PANORÁMA 30. SZÁM, 2025. ÉVFOLYAM 5