Scienza & Tecnologia

Sinapsi cerebrale artificiali in un Chip

Gli ingegneri mettono decine di migliaia di sinapsi cerebrali artificiali su un singolo chip

Gli ingegneri del MIT hanno progettato un “cervello-su-un-chip”, più piccolo di un pezzo di coriandoli, composto da decine di migliaia di sinapsi cerebrale artificiali note come memristor – componenti a base di silicio che imitano le sinapsi di trasmissione di informazioni in il cervello umano.

I ricercatori hanno preso in prestito i principi della metallurgia per fabbricare ogni memristor da leghe di argento e rame, insieme al silicio. Quando eseguivano il chip attraverso diverse attività visive, il chip era in grado di “ricordare” le immagini memorizzate e di riprodurle molte volte, in versioni più nitide e pulite rispetto ai progetti di memristor esistenti realizzati con elementi non legati.

I loro risultati, pubblicati oggi sulla rivista Nature Nanotechnology , dimostrano un nuovo promettente progetto di memristor per dispositivi neuromorfi – l’elettronica che si basa su un nuovo tipo di circuito che elabora le informazioni in modo da imitare l’architettura neurale del cervello. Tali circuiti ispirati al cervello potrebbero essere integrati in piccoli dispositivi portatili e svolgere compiti computazionali complessi che solo i supercomputer di oggi possono gestire.

“Finora esistono reti di sinapsi artificiali come software. Stiamo cercando di costruire un vero hardware di rete neurale per sistemi di intelligenza artificiale portatili”, afferma Jeehwan Kim, professore associato di ingegneria meccanica presso il MIT. “Immagina di collegare un dispositivo neuromorfo a una videocamera della tua auto e di far riconoscere luci e oggetti e prendere una decisione immediatamente, senza doverti connettere a Internet. Speriamo di utilizzare memristor efficienti dal punto di vista energetico per svolgere tali compiti in loco, in tempo reale.”

Sinapsi cerebrale: Ioni erranti

I memristori, o transistor di memoria, sono un elemento essenziale nel calcolo neuromorfo. In un dispositivo neuromorfo, un memristor servirebbe da transistor in un circuito, sebbene il suo funzionamento assomiglierebbe più da vicino a una sinapsi – la giunzione tra due neuroni. La sinapsi riceve segnali da un neurone, sotto forma di ioni, e invia un segnale corrispondente al neurone successivo.

Un transistor in un circuito convenzionale trasmette informazioni commutando tra uno dei due soli valori, 0 e 1, e facendolo solo quando il segnale che riceve, sotto forma di corrente elettrica, ha una forza particolare. Al contrario, un memristor lavorerebbe lungo un gradiente, proprio come una sinapsi nel cervello. Il segnale che produce varierebbe a seconda dell’intensità del segnale che riceve. Ciò consentirebbe a un singolo memristor di avere molti valori e quindi eseguire una gamma di operazioni molto più ampia rispetto ai transistor binari.

Come una sinapsi cerebrale, un memristor sarebbe anche in grado di “ricordare” il valore associato a una data forza corrente e produrre lo stesso identico segnale la prossima volta che riceve una corrente simile. Ciò potrebbe garantire che la risposta a un’equazione complessa, o la classificazione visiva di un oggetto, sia affidabile, un’impresa che normalmente coinvolge più transistor e condensatori.

In definitiva, gli scienziati prevedono che i memristor richiederebbero molto meno chip immobiliari rispetto ai transistor convenzionali, consentendo dispositivi di elaborazione portatili e potenti che non si basano su supercomputer o addirittura connessioni a Internet.

I progetti di memristor esistenti, tuttavia, sono limitati nelle loro prestazioni. Un singolo memristor è costituito da un elettrodo positivo e negativo, separato da un “mezzo di commutazione” o spazio tra gli elettrodi. Quando viene applicata una tensione a un elettrodo, gli ioni da quell’elettrodo fluiscono attraverso il mezzo, formando un “canale di conduzione” verso l’altro elettrodo. Gli ioni ricevuti formano il segnale elettrico che il memristor trasmette attraverso il circuito. La dimensione del canale ionico (e il segnale che il memristor produce alla fine) dovrebbe essere proporzionale alla forza della tensione stimolante.

Kim afferma che i progetti di memristor esistenti funzionano abbastanza bene nei casi in cui la tensione stimola un grande canale di conduzione o un flusso pesante di ioni da un elettrodo all’altro. Ma questi progetti sono meno affidabili quando i memristor devono generare segnali più sottili, tramite canali di conduzione più sottili.

Più sottile è un canale di conduzione e più leggero è il flusso di ioni da un elettrodo all’altro, più difficile è per i singoli ioni stare insieme. Invece, tendono a vagare dal gruppo, sciogliendosi nel mezzo. Di conseguenza, è difficile per l’elettrodo di ricezione catturare in modo affidabile lo stesso numero di ioni e quindi trasmettere lo stesso segnale, quando stimolato con un certo intervallo di corrente basso.

Sinapsi cerebrale artificiali in un Chip

Sinapsi cerebrale: Prendendo in prestito dalla metallurgia

Kim e i suoi colleghi hanno trovato un modo per aggirare questa limitazione prendendo in prestito una tecnica dalla metallurgia, la scienza di fondere i metalli in leghe e studiare le loro proprietà combinate.

“Tradizionalmente, i metallurgisti cercano di aggiungere atomi diversi in una matrice di massa per rafforzare i materiali, e abbiamo pensato, perché non modificare le interazioni atomiche nel nostro memristor e aggiungere qualche elemento di lega per controllare il movimento degli ioni nel nostro mezzo”, dice Kim.

Gli ingegneri in genere usano l’argento come materiale per l’elettrodo positivo di un memristor. Il team di Kim ha esaminato la letteratura per trovare un elemento che potesse combinare con l’argento per tenere efficacemente uniti gli ioni d’argento, consentendo loro di fluire rapidamente attraverso l’altro elettrodo.

Il team è approdato al rame come elemento di lega ideale, in quanto è in grado di legare sia con l’argento che con il silicio.

“Funziona come una sorta di ponte e stabilizza l’interfaccia argento-silicio”, afferma Kim.

Per creare memristori usando la loro nuova lega, il gruppo ha prima fabbricato un elettrodo negativo in silicio, quindi ha prodotto un elettrodo positivo depositando una leggera quantità di rame, seguito da uno strato di argento. Bloccarono i due elettrodi attorno a un mezzo di silicio amorfo. In questo modo, hanno modellato un chip di silicio di un millimetro quadrato con decine di migliaia di memristor.

Come primo test del chip, hanno ricreato un’immagine in scala di grigi dello scudo di Capitan America. Hanno equiparato ciascun pixel dell’immagine a un corrispondente memristor nel chip. Hanno quindi modulato la conduttanza di ciascun memristor che era relativa in forza al colore nel pixel corrispondente.

Il chip ha prodotto la stessa nitida immagine dello scudo ed è stato in grado di “ricordare” l’immagine e riprodurla molte volte, rispetto ai chip realizzati con altri materiali.

Il team ha anche gestito il chip attraverso un’attività di elaborazione delle immagini, programmando i memristor per modificare un’immagine, in questo caso del Killian Court del MIT, in diversi modi specifici, tra cui la nitidezza e la sfocatura dell’immagine originale. Ancora una volta, il loro design ha prodotto le immagini riprogrammate in modo più affidabile rispetto ai progetti di memristor esistenti.

“Stiamo usando sinapsi artificiali per eseguire test di inferenza reale”, afferma Kim. “Vorremmo sviluppare ulteriormente questa tecnologia per disporre di array su larga scala per svolgere attività di riconoscimento delle immagini. E un giorno potresti essere in grado di portare in giro cervelli artificiali per svolgere questo tipo di attività, senza collegarti a supercomputer, Internet o la nuvola.”

Questa ricerca è stata finanziata, in parte, dai fondi del MIT Research Support Committee, dal MIT-IBM Watson AI Lab, dal Samsung Global Research Laboratory e dalla National Science Foundation.

Scarica gratis la nostra App da Googe Play Store

Related Articles

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Back to top button

Adblock Detected

Il nostro sito Web fruisce i contenuti gratuitamente grazie alle pubblicità che aiutano a sostenere i costi . Considera di supportarci disabilitando il blocco degli annunci.