Componente per computer a formazione preliminare
Ricercatori dell'ETH di Zurigo, dell'Università di Zurigo e dell'Empa hanno sviluppato un nuovo materiale per un componente informatico che può essere utilizzato in modo più flessibile rispetto ai suoi predecessori. L'obiettivo è quello di costruire circuiti elettronici modellati sul cervello umano e in grado di risolvere in modo più efficiente i compiti di apprendimento automatico.
Rispetto a un computer, il cervello umano è incredibilmente efficiente dal punto di vista energetico. Per progettare nuove tecnologie informatiche, gli scienziati si stanno quindi concentrando sul funzionamento del cervello con le sue cellule nervose in rete. Gli scienziati ipotizzano che questi sistemi informatici ispirati al cervello saranno più efficienti dal punto di vista energetico rispetto a quelli convenzionali e saranno in grado di risolvere meglio i compiti di apprendimento automatico.
Analogamente alle cellule nervose, che nel cervello sono responsabili sia della memorizzazione che dell'elaborazione dei dati, gli scienziati vogliono combinare la memorizzazione e l'elaborazione in un unico tipo di componente, i cosiddetti memristori. Questo dovrebbe aiutare a ottenere un aumento di efficienza. Nei computer tradizionali, i dati vengono spostati tra il processore e la memoria. Questa è la ragione principale dell'elevato consumo energetico dei processi di apprendimento automatico sui computer tradizionali.
I ricercatori dell'ETH di Zurigo, dell'Università di Zurigo e dell'Empa hanno ora sviluppato un nuovo concetto di memristor che può essere utilizzato in modo molto più flessibile rispetto ai memristor precedenti. "Esistono diverse modalità operative per i memristori e, a seconda dell'architettura di una rete neurale artificiale, è vantaggioso poterle utilizzare tutte", spiega Rohit John, postdoc dell'ETH. I memristori convenzionali precedenti, tuttavia, dovevano essere configurati in anticipo per una modalità alla volta"."I nuovi memristori sviluppati dai ricercatori di Zurigo possono ora passare facilmente da una modalità operativa all'altra durante il loro utilizzo: una modalità in cui il segnale si indebolisce e si spegne nel tempo (modalità volatile) e una in cui il segnale rimane costante (modalità non volatile)..
Come nel cervello
"Queste due modalità di funzionamento esistono anche nel cervello umano", spiega John. Da un lato, gli stimoli vengono trasmessi da una cellula nervosa all'altra attraverso le sinapsi, utilizzando messaggeri biochimici. Questi stimoli sono inizialmente forti e poi si indeboliscono gradualmente. Dall'altro lato, durante l'apprendimento si formano nel cervello nuove connessioni sinaptiche con altre cellule nervose. Queste sono più durature.
Rohit John è un postdoc nel gruppo del professor Maksym Kovalenko dell'ETH e ha ottenuto una borsa di studio ETH per postdoc eccellenti nel 2020. John ha svolto questo lavoro di ricerca insieme a Yi?it Demira?. ? dottorando nel gruppo del professore Giacomo Indiveri presso l'Istituto di Neuroinformatica dell'Università di Zurigo e dell'ETH di Zurigo.
Conosciuto il materiale semiconduttore delle celle solari
I memristori sviluppati dai ricercatori sono costituiti da nanocristalli di perovskite alogenata, un materiale semiconduttore noto soprattutto per il suo utilizzo nelle celle fotovoltaiche. "La 'conduzione di stimolo' in questi nuovi memristori è mediata da ioni d'argento che sono temporaneamente o permanentemente legati da un elettrodo per formare una nanofibra che penetra nella struttura della perovskite e attraverso la quale la corrente può fluire", spiega Kovalenko.
"I componenti aiutano i ricercatori a comprendere meglio i principi computazionali dei circuiti neurali reali nell'uomo e negli animali".Giacomo Indiveri
Questo processo può essere influenzato in modo tale che la fibra di ioni d'argento sia sottile e si scomponga di nuovo in singoli ioni d'argento nel tempo (modalità volatile) o spessa e permanente (modalità non volatile). Questo fenomeno è controllato dalla corrente applicata al memristor: Se viene alimentato con una corrente debole, si forma la modalità volatile. Se viene alimentato con una corrente elevata, si forma la modalità non volatile.
Strumenti per neuroinformatici
"A nostra conoscenza, questo è il primo memristor che può essere commutato in modo affidabile tra una modalità volatile e una non volatile quando necessario", afferma Demira?. Ciò significa che in futuro si potranno produrre chip per computer con memristori che abilitano entrambe le modalità. Questo perché di solito non è possibile combinare diversi tipi di memristori su un unico chip.
Nell'ambito dello studio che hanno pubblicato sulla rivista pagina esternaComunicazioni sulla natura Gli scienziati hanno testato 25 di questi nuovi memristori ed effettuato 20.000 misurazioni con essi. Ciò ha permesso di simulare un compito computazionale su una rete complessa. Il compito consisteva nell'assegnare un gran numero di impulsi nervosi diversi a quattro schemi definiti.
I memristori devono essere ulteriormente ottimizzati prima di poter essere utilizzati nella tecnologia informatica. Tuttavia, questi componenti sono importanti anche per la ricerca in neuroinformatica, come sottolinea Indiveri: "Questi componenti si avvicinano ai neuroni reali più di quelli precedenti. Ciò aiuterà i ricercatori a testare meglio le ipotesi in neuroinformatica e, auspicabilmente, a comprendere meglio i principi computazionali dei circuiti neurali reali nell'uomo e negli animali".
Letteratura di riferimento
John RA, Demira? Y, Shynkarenko Y, Berezovska Y, Ohannessian N, Payvand M, Zeng P, Bodnarchuk MI, Krumeich F, Kara G, Shorubalko I, Nair MV, Cooke GA, Lippert T, Indiveri G, Kovalenko MV: Reconfigurable halide perovskite nanocrystal memristors for neuromorphic computing. Nature Communications 2022. 13: 2074, doi: pagina esterna10.1038/s41467-022-29727-1