Immagine copertina generata con l’intelligenza artificiale
La ricerca nel campo dell’Intelligenza Artificiale continua a guardare al cervello umano per sviluppare hardware sempre più efficiente. Un gruppo di ricercatori della Oregon State University ha infatti realizzato un innovativo phototransistor capace di unire in un unico componente il rilevamento della luce, la memoria e parte dell’elaborazione dei dati. L’obiettivo è ridurre uno dei principali limiti degli attuali sistemi AI: il continuo trasferimento di informazioni tra sensori, memoria e processori, un’operazione che richiede molta energia e rallenta l’elaborazione.
Principi e vantaggi del phototransistor cognitivo
Il dispositivo sviluppato presso il College of Engineering della Oregon State University, e descritto sulla rivista Advanced Functional Materials, rappresenta un nuovo approccio all’hardware destinato ai sistemi di visione artificiale. Il phototransistor è costruito utilizzando due materiali differenti: un semiconduttore a ossido costituisce il canale attraverso cui scorre la corrente, mentre uno strato organico fotosensibile posto sulla superficie assorbe la luce e genera cariche elettriche.
Quando il sensore è colpito dalla luce, una parte di queste cariche rimane intrappolata nello strato fotosensibile. Anche dopo la scomparsa dello stimolo luminoso, tali cariche continuano a influenzare il flusso di corrente nel transistor, consentendo al dispositivo di conservare una memoria del segnale ottico ricevuto.
Questa architettura permette di eseguire parte delle operazioni di memoria ed elaborazione direttamente nel punto in cui la luce viene rilevata, evitando che i dati debbano essere continuamente trasferiti tra componenti hardware separati. Il risultato è una riduzione dei consumi energetici e un’elaborazione potenzialmente più rapida.
Sensori di memoria: rivoluzione per i sistemi AI
L’aspetto più innovativo del progetto non riguarda soltanto la capacità di memorizzare i segnali luminosi, ma anche la possibilità di controllare la durata della memoria. Applicando una piccola tensione elettrica al gate del transistor, i ricercatori riescono infatti a modificare la posizione delle cariche intrappolate rispetto al canale del semiconduttore.
Quando le cariche vengono avvicinate al canale, il loro effetto aumenta e la memoria del segnale persiste più a lungo. Se invece vengono allontanate, la loro influenza diminuisce e l’informazione svanisce più rapidamente.
Secondo gli autori dello studio, questo comportamento ricorda in parte quello del cervello umano, dove i segnali chimici contribuiscono a rafforzare i ricordi più importanti oppure a lasciar dissolvere quelli meno rilevanti. Nel nuovo dispositivo questo ruolo è svolto da un segnale elettrico, che rende programmabile il tempo di permanenza delle informazioni.
Come il phototransistor imita il cervello umano
Questa capacità di “ricordare” e “dimenticare” rende il phototransistor particolarmente interessante per il settore del neuromorphic computing, che mira a progettare sistemi informatici ispirati al funzionamento delle reti neurali biologiche.
La tecnologia si inserisce inoltre nella crescente tendenza dell’in-sensor computing, ovvero l’elaborazione dei dati direttamente all’interno del sensore anziché demandarla a processori e memorie dedicate. In un sistema di visione artificiale, infatti, non tutte le informazioni devono essere conservate allo stesso modo: alcune possono essere utili soltanto per pochi istanti, mentre altre richiedono una permanenza più lunga.
Questa finestra temporale regolabile potrebbe consentire ai dispositivi AI di filtrare, pesare e trattenere temporaneamente le informazioni visive prima ancora che raggiungano un processore tradizionale, migliorando l’efficienza complessiva del sistema.
Phototransistor per sensori AI: verso una maggiore efficienza
Le possibili applicazioni riguardano numerosi ambiti, dai robot autonomi ai droni, fino alle telecamere intelligenti e ai sistemi di sorveglianza. Anche le piattaforme edge AI, dove il consumo energetico rappresenta un fattore determinante, potrebbero beneficiare di questa soluzione.
Riducendo il continuo trasferimento di dati tra sensori, memoria e processori, il nuovo hardware potrebbe infatti contribuire a realizzare dispositivi più veloci, più compatti e meno energivori rispetto alle architetture attuali.
Sviluppi futuri e opportunità per la memoria ispirata al cervello
Nonostante i risultati ottenuti siano promettenti, i ricercatori sottolineano che la tecnologia si trova ancora a livello di singolo dispositivo sperimentale. Non si tratta quindi di un sostituto immediato degli acceleratori AI o dei sensori di immagine oggi presenti sul mercato.
La ricerca rappresenta però un’importante dimostrazione delle potenzialità offerte da un hardware che integra rilevamento, memoria ed elaborazione nello stesso componente. Se questa soluzione riuscirà a essere scalata e industrializzata, potrebbe contribuire alla nascita di sistemi di Intelligenza Artificiale più efficienti sotto il profilo energetico, particolarmente adatti ai dispositivi edge e alle future applicazioni di visione artificiale.
Fonte: Tom’s Hardware
