Imitare le capacità del cervello umano, dei suoi neuroni, delle loro funzionalità, è da sempre il sogno e la sfida di molti scienziati. Questa imitazione permetterebbe di ottenere progressi per quanto riguarda lo sviluppo di tecnologie neuromorfiche da applicare anche all’ambito del Cognitive Computing.
Tutto questo ora sembrerebbe già realtà. Gli scienziati IBM hanno creato per la prima volta neuroni artificiali a spike casuale, utilizzando materiali a cambiamento di fase per archiviare ed elaborare dati.
“Svolgiamo attività di ricerca sui materiali a cambiamento di fase per applicazioni di memoria da oltre un decennio, e i nostri progressi negli ultimi 24 mesi sono stati davvero notevoli,” ha dichiarato l’IBM Fellow Evangelos Eleftheriou. “In questo arco di tempo, abbiamo scoperto e pubblicato nuove tecniche di memorizzazione, tra cui la memoria prospettica, abbiamo memorizzato per la prima volta 3 bit per cella nella memoria a cambiamento di fase e ora stiamo dimostrando le potenti capacità dei neuroni artificiali a cambiamento di fase, che sono in grado di eseguire varie funzioni di calcolo primitive, come il rilevamento della correlazione dei dati e l’apprendimento non monitorato ad alta velocità con un bassissimo consumo di energia.”
I neuroni progettati dagli scienziati di Zurigo sono costituiti da materiali a cambiamento di fase, tra cui il GST (germanio tellururo di antimonio) che presenta due stati stabili, di cui uno amorfo (senza una struttura chiaramente definita) e uno cristallino (dotato di struttura).
Questa tipologia di materiali sono presenti nei dischi Blu-ray riscrivibili ma i neuroni artificiali non sarebbero in grado di memorizzare informazioni in quanto possiedono caratteristiche analogiche e simili alle nostre sinapsi e ai nostri neuroni biologici.
Applicando una serie di impulsi elettrici ai neuroni artificiali si provoca la progressiva cristallizzazione del materiale a cambiamento di fase, stimolando così il firing del neurone. Nelle neuroscienze, questa funzione è conosciuta come proprietà integrate-and-fire dei neuroni biologici e costituisce il fondamento del calcolo basato su eventi. Per comprendere questo procedimento possiamo pensare alla risposta del nostro cervello quando tocchiamo un oggetto caldo.
Grazie a questa proprietà i singoli neuroni possono identificare modelli e scoprire correlazioni all’interno di flussi in tempo reale di dati basati su eventi.
Le applicazioni di questa scoperta possono essere molteplici e soprattutto apportare notevoli cambiamenti. Nel settore dell’Internet delle Cose (IoT) i sensori potrebbero raccogliere e analizzare dati per ottenere previsioni meteo più rapide, potrebbero identificare modelli all’interno delle transazioni finanziarie per scoprire difformità o utilizzare dati provenienti dai social media per scoprire nuove tendenze in tempo reale. Potrebbero anche essere utilizzati in coprocessori neuromorfici con memoria in co-location e unità di elaborazione.
Gli scienziati IBM hanno organizzato centinaia di neuroni artificiali in popolazioni e li hanno utilizzati per rappresentare segnali veloci e complessi. Inoltre, i neuroni artificiali hanno dimostrato di poter sostenere miliardi di commutazioni, corrispondenti a svariati anni di funzionamento, con una frequenza di aggiornamento di 100 Hz. L’energia necessaria per ogni aggiornamento del neurone è stata inferiore a cinque picojoule e la potenza media inferiore a 120 microwatt (a titolo di confronto, è necessaria una potenza di 60 milioni di microwatt per alimentare una lampadina da 60 watt).
“Le popolazioni di neuroni stocastici a cambiamento di fase, combinate con altri elementi di calcolo su nanoscala, come ad esempio le sinapsi artificiali, potrebbero costituire un fattore chiave per la creazione di una nuova generazione di sistemi di calcolo neuromorfici ad elevata densità,” ha dichiarato Tomas Tuma, uno ricercatori del team.
(Foto IBM Research, Flickr, (CC BY-ND 2.0))
Facebook Comments