자기 학습 기계 회로
생체 시스템에서 적응성과 학습은 세포질, 생물막, 동물 무리 등 다양한 형태로 보편적으로 나타납니다. 그러나 비생체 기계 시스템에서 자율 학습 행동을 설계하는 것은 이론적, 실험적으로 여전히 난제로 남아있습니다. 본 연구는 이러한 문제 해결을 위해 자기 학습 기계 회로를 제안합니다. 자기 학습 기계 회로는 변화하는 환경으로부터 확률적 입력 힘을 받아 내부 상태를 지속적으로 업데이트하는 수동 시스템으로, 기계적 비지도 학습 단위를 구현합니다. 시냅스의 단순화된 모델에서 영감을 받아, 본 회로는 방향성 방식으로 강성을 변경하는 적응형 방향성 스프링으로 구성됩니다. 우리는 이러한 탄성 학습 단위의 실험적 구현을 제시하고, 특정 네트워크 아키텍처에서 적응성을 통해 어떻게 안정성이 발생하는지 보여줍니다. 특히, 네트워크가 외부 입력의 패턴을 자율적으로 발견하는 능력을 이론적으로 입증했습니다. 본 연구 결과는 다양한 환경에서 스스로 최적화할 수 있는 적응형 재료 설계에 중요한 응용 가능성을 가집니다.