Scienziati dell’Università di Sydney e del National Institute for Material Science (NIMS) del Giappone hanno scoperto come far agire una rete artificiale di nanofili in modo simile al cervello quando viene stimolata elettricamente.
Lo studio è stato pubblicato su Nature Communications .
Il team internazionale era guidato da Joel Hochstetter, al quale si sono uniti il professor Zdenka Kuncic e il professor Tomonobu Nakayama.
Il team ha scoperto che possono mantenere una rete di nanofili in uno stato simile al cervello “ai margini del caos” per svolgere compiti a un livello ottimale.
Secondo i ricercatori, questo suggerisce che la natura sottostante dell’intelligenza neurale è fisica e potrebbe portare a nuovi sviluppi nell’intelligenza artificiale.
Joel Hochstetter è un dottorando presso il Nano Institute and School of Physics dell’Università di Sydney e autore principale dell’articolo.
“Abbiamo usato fili lunghi 10 micrometri e non più spessi di 500 nanometri disposti casualmente su un piano bidimensionale”, ha affermato Hochstetter.
“Dove i fili si sovrappongono, formano una giunzione elettrochimica, come le sinapsi tra i neuroni”, ha detto. “Abbiamo scoperto che i segnali elettrici che passano attraverso questa rete trovano automaticamente il percorso migliore per trasmettere le informazioni. E questa architettura consente alla rete di “ricordare” i percorsi precedenti attraverso il sistema”.
Testare la rete Nanowire
Il team di ricerca ha utilizzato simulazioni per testare la rete di nanocavi casuali al fine di apprendere come potrebbe svolgere e risolvere al meglio compiti semplici.
Ogni volta che il segnale che stimolava la rete era troppo basso, il percorso non produceva uscite sufficientemente complesse perché troppo prevedibili. D’altra parte, se la rete era sopraffatta dal segnale, l’uscita era troppo caotica.
Ciò significava che il segnale ottimale era al limite di questo stato caotico, secondo il team.
Il professor Kuncic è dell’Università di Sydney.
“Alcune teorie delle neuroscienze suggeriscono che la mente umana potrebbe operare a questo bordo del caos, o quello che viene chiamato lo stato critico”, ha affermato il professor Kuncic. “Alcuni neuroscienziati pensano che sia in questo stato in cui raggiungiamo le massime prestazioni cerebrali”.
“La cosa così eccitante di questo risultato è che suggerisce che questi tipi di reti di nanocavi possono essere sintonizzati su regimi con dinamiche collettive diverse, simili al cervello, che possono essere sfruttate per ottimizzare l’elaborazione delle informazioni”, ha continuato.
La rete di nanofili è in grado di incorporare memoria e operazioni in un unico sistema grazie alle giunzioni tra i fili. Questo è diverso dai computer standard, che si basano su memoria e operazioni separate.
“Queste giunzioni si comportano come i transistor dei computer, ma con la proprietà aggiuntiva di ricordare che i segnali hanno già percorso quel percorso. In quanto tali, sono chiamati ‘memristori’”, ha detto Hochstetter.
La memoria è in forma fisica con le giunzioni nei punti di incrocio tra i nanofili che agiscono come interruttori. Il loro comportamento dipende dalla risposta storica ai segnali elettrici e, quando i segnali vengono applicati attraverso le giunzioni, vengono attivati mentre la corrente li attraversa.
“Questo crea una rete di memoria all’interno del sistema casuale di nanofili”, ha detto.
Il team ha sviluppato una simulazione della rete fisica per dimostrare la sua capacità di risolvere compiti molto semplici.
“Per questo studio abbiamo addestrato la rete a trasformare una semplice forma d’onda in tipi più complessi di forme d’onda”, ha affermato Hochstetter.
Il team ha regolato l’ampiezza e la frequenza del segnale elettrico per vedere dove si sono verificate le prestazioni migliori.
“Abbiamo scoperto che se spingi il segnale troppo lentamente, la rete fa sempre la stessa cosa senza imparare e svilupparsi. Se lo abbiamo spinto troppo forte e veloce, la rete diventa irregolare e imprevedibile”, ha detto.
Vantaggi del mondo reale
Secondo il professor Kuncic, l’unione di memoria e operazioni ha importanti vantaggi per l’intelligenza artificiale.
“Gli algoritmi necessari per addestrare la rete a sapere a quale giunzione deve essere assegnato il ‘carico’ o il peso appropriato delle informazioni consumano molta potenza”, ha affermato.
“I sistemi che stiamo sviluppando eliminano la necessità di tali algoritmi. Consentiamo semplicemente alla rete di sviluppare la propria ponderazione, il che significa che dobbiamo preoccuparci solo del segnale in ingresso e in uscita, un framework noto come “calcolo del serbatoio”. I pesi della rete sono autoadattativi, potenzialmente liberando grandi quantità di energia”.
Kuncic afferma che ciò significa che i futuri sistemi di intelligenza artificiale che si basano su queste reti avrebbero un’impronta energetica molto inferiore.
