Calcolo della rete neurale in acqua
Il circuito ionico calcola in una soluzione acquosa
I microprocessori di smartphone, computer e data center elaborano le informazioni manipolando gli elettroni attraverso semiconduttori solidi, ma il nostro cervello ha un sistema diverso. Si basano sulla manipolazione degli ioni nel liquido per elaborare le informazioni.
Ispirandosi al cervello, i ricercatori cercano da tempo di sviluppare “ionica” in una soluzione acquosa. Mentre gli ioni nell’acqua si muovono più lentamente degli elettroni nei semiconduttori, gli scienziati ritengono che la diversità delle specie ioniche con diverse proprietà fisiche e chimiche potrebbe essere sfruttata per un’elaborazione delle informazioni più ricca e diversificata.
L’informatica ionica, tuttavia, è ancora agli albori. Ad oggi, i laboratori hanno sviluppato solo dispositivi ionici individuali come diodi ionici e transistor, ma nessuno ha messo insieme molti di questi dispositivi in un circuito più complesso per l’informatica, fino ad ora.
Un team di ricercatori della Harvard John A. Paulson School of Engineering and Applied Sciences (SEAS), in collaborazione con DNA Script , una startup biotecnologica, ha sviluppato un circuito ionico comprendente centinaia di transistor ionici ed eseguito un processo fondamentale di calcolo della rete neurale .
La ricerca è pubblicata in Advanced Materials .
I ricercatori hanno iniziato costruendo un nuovo tipo di transistor ionico a partire da una tecnica di cui hanno recentemente aperto la strada . Il transistor è costituito da una soluzione acquosa di molecole di chinone, interfacciata con due elettrodi ad anello concentrici con un elettrodo a disco centrale, come un bullseye. I due elettrodi ad anello abbassano elettrochimicamente e regolano il pH locale attorno al disco centrale producendo e intrappolando ioni idrogeno. Una tensione applicata al disco centrale provoca una reazione elettrochimica per generare una corrente ionica dal disco nell’acqua. La velocità di reazione può essere accelerata o diminuita, aumentando o diminuendo la corrente ionica, regolando il pH locale. In altre parole, il pH controlla, o porta, la corrente ionica del disco nella soluzione acquosa, creando una controparte ionica del transistor elettronico.
Hanno quindi progettato il transistor ionico pH-gated in modo tale che la corrente del disco sia una moltiplicazione aritmetica della tensione del disco e un parametro di “peso” che rappresenta il pH locale che determina il transistor. Hanno organizzato questi transistor in una matrice 16 × 16 per espandere la moltiplicazione aritmetica analogica dei singoli transistor in una moltiplicazione di matrice analogica, con la matrice di valori di pH locali che funge da matrice di peso incontrata nelle reti neurali.
“La moltiplicazione della matrice è il calcolo più diffuso nelle reti neurali per l’intelligenza artificiale”, ha affermato Woo-Bin Jung, un borsista post-dottorato presso SEAS e il primo autore dell’articolo. “Il nostro circuito ionico esegue la moltiplicazione della matrice in acqua in modo analogico basato completamente su macchinari elettrochimici”.
“I microprocessori manipolano gli elettroni in modo digitale per eseguire la moltiplicazione di matrici”, ha affermato Donhee Ham, il professore di ingegneria elettrica e fisica applicata Gordon McKay presso SEAS e autore senior dell’articolo. “Sebbene il nostro circuito ionico non possa essere veloce o accurato come i microprocessori digitali, la moltiplicazione della matrice elettrochimica nell’acqua è affascinante di per sé e ha il potenziale per essere efficiente dal punto di vista energetico”.
Ora, il team cerca di arricchire la complessità chimica del sistema.
“Finora, abbiamo utilizzato solo da 3 a 4 specie ioniche, come ioni idrogeno e chinone, per abilitare il gating e il trasporto ionico nel transistor ionico acquoso”, ha affermato Jung. “Sarà molto interessante impiegare specie ioniche più diversificate e vedere come possiamo sfruttarle per arricchire il contenuto delle informazioni da elaborare”.
La ricerca è stata co-autrice di Han Sae Jung, Jun Wang, Henry Hinton, Maxime Fournier, Adrian Horgan, Xavier Godron e Robert Nicol. È stato sostenuto in parte dall’Office of the Director of National Intelligence (ODNI), Intelligence Advanced Research Projects Activity (IARPA), con sovvenzione 2019-19081900002.
