Neuroni artificiali capaci di emettere segnali elettrici. I ricercatori IBM sono stati capaci di realizzare neuroni sintetici capaci di emettere segnali elettrici facendo uso di materiali a cambiamento di fase, questi ultimi spesso usati per la conservazione e l’elaborazione di dati e informazioni. Quanto realizzato rappresenta un passo avanti significativo nello sviluppo di tecnologie neuromorfiche integrate, ultra-dense ed efficienti destinate all’applicazione nel campo del cognitive computing.

Vedi l’ampia selezione di libri Amazon dedicata ai neuroni

Ispirandosi alle funzioni del cervello biologico, da decenni gli scienziati teorizzano la possibilità di imitare le capacità elaborative estremamente versatili proprie di una ampia popolazione di neuroni. Riuscire a farlo a densità elevate e con un consumo energetico comparabile a quanto osservato in natura ha sempre rappresentato, almeno fino ad ora, una sfida decisamente difficile.

Evangelos Eleftheriou, IBM Fellow, spiega: “Da oltre dieci anni stiamo effettuando ricerche sui materiali a cambiamento di fase per le applicazioni nel campo delle memorie e negli ultimi 24 mesi abbiamo riscontrato un progresso significativo. In questo periodo abbiamo scoperto e divulgato nuove tecniche per la memoria e ora stiamo dimostrando la possibilità di realizzare neuroni artificiali basati sul cambiamento di fase, che possono compiere varie primitive computazionali come ad esempio la capacità di rilevare la correlazione tra le informazioni o l’apprendimento senza supervisione”.

Neuroni artificiali costituito da materiali a cambiamento di fase come ad esempio Germanio, Antimonio e Tellurio

I neuroni artificiali progettati dagli scienziati IBM a Zurigo sono costituiti da materiali a cambiamento di fase, come ad esempio Germanio-Antimonio-Tellurio (di seguito GST), la cui caratteristica fondamentale è la capacità di poter mostrare due stati stabili, uno amorfo e uno cristallino. Questi materiali sono, tra l’altro, alla base della realizzazione dei supporti Blu-ray riscrivibili.

All’interno dell’articolo pubblicato su Nature il gruppo di ricercatori spiega come applicando una serie di impulsi elettrici ai neuroni artificiali sia stato possibile cristallizzare in maniera progressiva il materiale a cambiamento di fase, portando in ultima istanza il neurone artificiale a sparare un segnale. Si tratta del comportamento descritto dal modello integrate-and-fire che spiega le funzionalità elettriche del neurone. Si tratta delle fondamenta dell’elaborazione basata su eventi (event-based computation) e, in linea di principio, sono gli stessi meccanismi alla base delle reazioni che il cervello elabora a seguito di determinati stimoli, come ad esempio quando si tocca qualcosa che scotta.

I neuroni biologici sono caratterizzati da membrane che fungono da porte per i segnali elettrici e che richiedono l’assorbimento di una determinata quantità di energia. Nei neuroni artificiali creati da IBM è proprio il materiale a cambiamento di fase a compiere questa funzione: in altri termini il segnale passa attraverso quando la membrana di materiale a cambiamento di fase viene colpita da una quantità di corrente sufficiente per passare allo stato cristallino (che nel caso del GST è conduttivo), per poi ritornare a quello amorfo (isolante) dopo un determinato periodo di tempo nel quale il materiale non risponde ad alcun stimolo.

Un’altra caratteristica molto importante di questi neuroni artificiali è rappresentata dalla loro natura stocastica, cioè dalla possibilità di offrire un certo grado di casualità nei risultati. E’ un comportamento che si ritrova nei neuroni biologici per via di molte variabili (conduzione ionica, temperatura) e i ricercatori IBM osservano che i neuroni artificiali da loro creati sono in grado di mostrare un comportamento stocastico perché lo stato amorfo in cui essi ritornano dopo un evento è sempre leggermente differente rispetto al precedente stato amorfo.

Sfruttando questi meccanismi i ricercatori spiegano che anche un singolo neurone può essere usato per individuare pattern o scoprire correlazioni in un flusso di informazioni event-based in tempo reale. Ad esempio, in un contesto Internet of Things, sarebbe possibile raccogliere ed analizzare grossi volumi di dati relativi alle condizioni meteo direttamente al punto di raccolta per elaborare più velocemente previsioni accurate. I neuroni artificiali potrebbero essere inoltre impiegati per individuare ricorrenze in transazioni finanziarie o per trovare discrepanze e usare informazioni dei social media per individuare nuove tendenze culturali in tempo reale. Tutto ciò suggerisce la possibilità di usare grandi gruppi di questi neuroni per realizzare coprocessori neuromorfici, cioè in grado di imitare in qualche misura i meccanismi di funzionamento del cervello biologico.

Gli scienziati IBM hanno organizzato circa 500 neuroni artificiali in gruppi e li hanno usati per rappresentare segnali veloci e complessi. I neuroni artificiali hanno mostrato la capacità di sostenere miliardi di cicli di switch che corrispondono a molteplici anni di operazioni ad una frequenza di aggiornamento di 100Hz. L’energia necessaria per ciascun aggiornamento è stata inferiore a cinque picojoule e la potenza media inferiore a 120 microwatt (una comune lampadina da 60W assorbe, appunto, 60 milioni di microwatt).

Tomas Tuma, coautore dell’articolo pubblicato su Nature, ha commentato: “I gruppi di neuroni stocastici a cambiamento di fase, assieme ad altri elementi computazionali come le sinapsi artificiali, potrebbero rappresentare elementi in grado di abilitare la creazione di una nuova generazione di sistemi di elaborazione neuromorfica estremamente densi”.

Andrea Bai