Tratto dal genio del nostro cervello umano, un gruppo di ricercatori internazionali ha creato un nuovo e avanzato transistor sinaptico che pensa e ragiona a un livello superior. Il dispositivo è stato progettato da alcune menti brillanti provenienti dalla prestigiosa Northwestern University, dal Boston College e dal Massachusetts Institute of Technology e dettagliato su Nature.
Con la capacità di elaborare e memorizzare informazioni simultaneamente, proprio come il nostro cervello, il transistor sta dimostrando di andare ben oltre la semplice apprendimento automatico per classificare i dati e, invece, esegue apprendimento associativo. I risultati dei nuovi esperimenti sono straordinari ed entusiasmanti, offrendo un nuovo livello di innovazione e tecnologia all’avanguardia nel nostro mondo moderno.
Sebbene in passato siano stati sviluppati dispositivi informatici simili al cervello utilizzando strategie simili a quella attuale, i transistor impiegati non erano in grado di operare a temperatura ambiente, risultando funzionali solo a temperature criogeniche.
Il nuovo dispositivo presentato in questo studio è stabile a temperatura ambiente e caratterizzato da elevate prestazioni, basso consumo energetico e capacità di mantenere le informazioni immagazzinate anche in assenza di alimentazione. Questi fattori ne fanno una soluzione ideale per le applicazioni reali.
Come ha dichiarato Mark C. Hersam, responsabile della ricerca condotta presso Northwestern, l’architettura del cervello è molto diversa da quella di un computer digitale. In questi ultimi, infatti, i dati sono spostati avanti e indietro tra microprocessore e memoria, generando un elevato consumo di energia e creando ostacoli nell’esecuzione di più attività contemporaneamente. Nel cervello, invece, memoria ed elaborazione delle informazioni sono integrate in modo efficiente, generando un risparmio energetico notevole.
Grazie al transistor sinaptico sviluppato dal team di Hersam, è possibile replicare questa architettura cerebrale in modo più accurato, imitandone la funzionalità di memoria e di elaborazione delle informazioni.
In qualità di presidente del dipartimento di Scienza e Ingegneria dei Materiali e direttore del Materials Research Science and Engineering Center presso Northwestern, nonché membro dell’International Institute for Nanotechnology, Hersam ha portato avanti un’importante ricerca che rappresenta un ulteriore passo verso l’implementazione di tecnologie avanzate e efficienti, capaci di replicare il funzionamento del cervello umano.
Hersam ha condotto uno studio in collaborazione con Qiong Ma, del Boston College, e Pablo Jarillo-Herrero, del MIT. L’avanzamento tecnologico nell’ambito dell’intelligenza artificiale ha spinto i ricercatori a sviluppare computer che emulino il funzionamento del cervello umano. Tuttavia, i sistemi informatici digitali tradizionali presentano unità di elaborazione e memorizzazione separate, causando un elevato consumo energetico in attività ad alta intensità di dati.
Con l’avvento dei dispositivi intelligenti che raccolgono enormi quantità di dati, i ricercatori stanno cercando di adottare nuovi approcci per l’elaborazione dei dati, senza però aumentare i consumi energetici.
Attualmente, la tecnologia di memoria più sviluppata è rappresentata dai memristori, dispositivi in grado di combinare con successo le funzioni di elaborazione e memoria.
Tuttavia, i memristori sono soggetti a costi energetici significativi per quanto riguarda la commutazione. “Per decenni, il paradigma dell’elettronica si è basato sulla costruzione di tutto con transistor e sull’utilizzo della stessa architettura in silicio”, ha affermato Hersam. “Siamo riusciti a compiere progressi significativi semplicemente incrementando il numero di transistor nei circuiti integrati.
Non possiamo negare il successo di questo approccio, ma il costo energetico è diventato eccessivo, soprattutto nell’era dei big data dove la tecnologia digitale sta progressivamente occupando una posizione predominante sulla rete”, ha sottolineato Hersam.
“È dunque necessario ripensare l’hardware di calcolo, soprattutto in vista delle attività di machine learning e intelligenza artificiale”, ha aggiunto Hersam. Per rinnovare il paradigma esistente, Hersam e il suo team hanno esplorato i progressi ottenuti nella fisica dei motivi moiré, un tipo di disegno geometrico che si forma quando due motivi vengono sovrapposti.
Quando si impilano materiali bidimensionali, emergono proprietà completamente nuove che non esistono in un singolo strato. E quando questi strati vengono intrecciati per formare un effetto moiré, le proprietà elettroniche che ne derivano diventano senza precedenti.
Per creare il nuovo dispositivo, i ricercatori hanno combinato due diversi tipi di materiali atomicamente sottili: il grafene bilayer e il nitruro di boro esagonale. Accostati e ruotati intenzionalmente, i materiali hanno preso forma in un elegante effetto moiré. Ruotando uno strato rispetto all’altro, i ricercatori hanno potuto ottenere proprietà elettroniche completamente diverse in ciascun singolo strato di grafene, anche se separati da atomi microscopici.
Con la giusta scelta della torsione, i ricercatori hanno mescolato le leggi fisiche dell’effetto moiré per creare funzionalità perfettamente neuromorfiche a temperatura ambiente.
“Hersam ha dichiarato che con la torsione come nuovo parametro di progettazione, il numero di permutazioni diventa vastissimo. Il grafene e il nitruro di boro esagonale presentano strutture molto simili, ma sufficientemente differenti da generare forti effetti moiré”, precisa il ricercatore.
Per valutare le prestazioni del transistor, Hersam e il suo gruppo di ricerca lo hanno addestrato a riconoscere modelli similari, ma non identici. Ad inizio mese, Hersam ha presentato un nuovo dispositivo nanoelettronico in grado di analizzare e classificare dati in modo efficiente dal punto di vista energetico.
Tuttavia, il suo nuovo transistor sinaptico rappresenta un ulteriore salto di qualità per l’apprendimento automatico e l’intelligenza artificiale.
“Hersam ha sottolineato che se l’intelligenza artificiale deve imitare il pensiero umano, la classificazione dei dati non è che uno dei compiti di livello più basso. Il nostro obiettivo è spingere la tecnologia dell’IA verso un pensiero di livello superiore, in grado di affrontare le complessità del mondo reale che gli attuali algoritmi non sono in grado di gestire”, ha evidenziato Hersam.
Il team di ricerca ha verificato le capacità avanzate del nuovo dispositivo in condizioni più complesse, riconoscendo schemi simili alla stringa di tre zeri ‘000’. “L’apprendimento associativo, una forma di cognizione di livello superiore, è stato dimostrato con successo dal nuovo transistor sinaptico che ha riconosciuto con precisione schemi simili, dimostrando la sua memoria associativa”, ha illustrato Hersam.
Anche di fronte alle sfide lanciate dai ricercatori, come schemi incompleti, il transistor ha dimostrato la sua versatilità nel campo dell’apprendimento associativo. Hersam ha rimarcato come l’IA odierna possa facilmente smarrirsi, causando danni considerevoli in determinati scenari.
Immaginiamo di guidare un veicolo autonomo e le condizioni atmosferiche iniziano a peggiorare: il veicolo potrebbe non avere la capacità di elaborare i dati sensoriali più complessi, come un’autista umana.
Tuttavia, il transistor ha dimostrato di saper riconoscere la risposta corretta anche in presenza di input incompleti o imperfetti, dimostrando la sua affidabilità nel campo dell’intelligenza artificiale. Hersam ha concluso sottolineando l’importanza di collaborare per migliorare costantemente le performance di queste tecnologie, cercando di ottenere risultati sempre più soddisfacenti.
