Rispetto ai computer, il cervello umano è incredibilmente efficiente dal punto di vista energetico. Gli scienziati stanno quindi attingendo al modo in cui il cervello e i suoi neuroni interconnessi funzionano come fonte di ispirazione nella progettazione di tecnologie informatiche innovative. Prevedono che questi sistemi informatici ispirati al cervello saranno più efficienti dal punto di vista energetico rispetto a quelli convenzionali, oltre a svolgere meglio attività di apprendimento automatico.
Proprio come i neuroni, che sono responsabili sia dell’archiviazione dei dati che dell’elaborazione dei dati nel cervello, gli scienziati vogliono combinare l’archiviazione e l’elaborazione in un unico tipo di componente elettronico, noto come memristor. La loro speranza è che ciò contribuisca a raggiungere una maggiore efficienza, perché lo spostamento dei dati tra il processore e lo storage, come fanno i computer convenzionali, è la ragione principale dell’elevato consumo energetico nelle applicazioni di apprendimento automatico.
I ricercatori dell’ETH di Zurigo, dell’Università di Zurigo e dell’Empa hanno ora sviluppato un concetto innovativo per un memristore che può essere utilizzato in una gamma di applicazioni molto più ampia rispetto ai memristori esistenti. “Esistono diverse modalità operative per i memristori ed è vantaggioso poter utilizzare tutte queste modalità a seconda dell’architettura di una rete neurale artificiale”, spiega Rohit John, postdoc dell’ETH. “Ma i precedenti memristori convenzionali dovevano essere configurati in anticipo per una di queste modalità.” I nuovi memristori dei ricercatori di Zurigo possono ora passare facilmente tra due modalità di funzionamento durante l’uso: una modalità in cui il segnale si indebolisce nel tempo e muore (modalità volatile) e una in cui il segnale rimane costante (non volatile modalità).
Proprio come nel cervello
“Queste due modalità operative si trovano anche nel cervello umano”, afferma John. Da un lato, gli stimoli alle sinapsi vengono trasmessi da neurone a neurone con neurotrasmettitori biochimici. Questi stimoli iniziano forte e poi gradualmente si indeboliscono. D’altra parte, nel cervello si formano nuove connessioni sinaptiche con altri neuroni mentre impariamo. Queste connessioni sono più durature.
John, che è un post-dottorato nel gruppo guidato dal professor Maksym Kovalenko dell’ETH, ha ricevuto una borsa di studio dell’ETH per eccezionali ricercatori post-dottorato nel 2020. John ha condotto questa ricerca insieme a Yiğit Demirağ, uno studente di dottorato nel gruppo del professor Giacomo Indiveri presso l’Istituto di neuroinformatica dell’Università di Zurigo e dell’ETH di Zurigo.
Semiconduttore noto dalle celle solari
I memristori sviluppati dai ricercatori sono costituiti da nanocristalli di perovskite agli alogenuri, un materiale semiconduttore noto principalmente per il suo utilizzo nelle celle fotovoltaiche. “La ‘conduzione nervosa’ in questi nuovi memristori è mediata dall’unione temporanea o permanente di ioni d’argento da un elettrodo per formare un nanofilamento che penetra nella struttura della perovskite attraverso il quale la corrente può fluire”, spiega Kovalenko.
Questo processo può essere regolato per rendere il filamento di ioni d’argento sottile, in modo che si scomponga gradualmente in singoli ioni d’argento (modalità volatile) o spesso e permanente (modalità non volatile). Questo è controllato dall’intensità della corrente condotta sul memristore: l’applicazione di una corrente debole attiva la modalità volatile, mentre una corrente forte attiva la modalità non volatile.
Nuovo toolkit per neuroinformatici
“Per quanto ne sappiamo, questo è il primo memristor che può essere commutato in modo affidabile tra modalità volatile e non volatile su richiesta”, afferma Demirağ. Ciò significa che in futuro i chip per computer potranno essere prodotti con memristori che abilitano entrambe le modalità. Questo è un progresso significativo perché di solito non è possibile combinare diversi tipi di memristori su un chip.
Nell’ambito dello studio, che hanno pubblicato sulla rivista Nature Communications , i ricercatori hanno testato 25 di questi nuovi memristori e con essi hanno effettuato 20.000 misurazioni. In questo modo sono stati in grado di simulare un problema computazionale su una rete complessa. Il problema riguardava la classificazione di diversi picchi neuronali come uno dei quattro modelli predefiniti.
Prima che questi memristori possano essere utilizzati nella tecnologia informatica, dovranno essere sottoposti a un’ulteriore ottimizzazione. Tuttavia, tali componenti sono importanti anche per la ricerca in neuroinformatica, come sottolinea Indiveri: “Questi componenti si avvicinano ai neuroni reali rispetto ai precedenti. Di conseguenza, aiutano i ricercatori a testare meglio le ipotesi in neuroinformatica e, si spera, a comprendere meglio il principi di calcolo dei circuiti neuronali reali negli esseri umani e negli animali.”
