L’evoluzione dell’intelligenza artificiale (IA) passa anche dall’hardware. I ricercatori della Fudan University hanno sviluppato un neurone artificiale in grado di emulare l’adattabilità dei neuroni biologici, aprendo nuove strade per sistemi di calcolo più efficienti ed energeticamente sostenibili.
Hardware ispirato al cervello umano
La nuova generazione di hardware, ovvero i sistemi neuromorfici, si ispira sempre più alla struttura e al funzionamento del cervello umano. Ne sono un esempio i cosiddetti neuroni artificiali, che sono interconnessi tra loro e modificano la forza delle loro connessioni nel tempo, replicando la plasticità sinaptica, un fenomeno biologico che consente al cervello di adattarsi all’esperienza e all’apprendimento, e che nei sistemi neuromorfici permette di eseguire algoritmi di machine learning con consumo energetico ridotto, anche su grandi volumi di dati.
Proprio in questo ambito si inserisce il dispositivo sviluppato a Fudan, che combina la memoria DRAM con circuiti a base di monostrato ultrafino di disolfuro di molibdeno (MoS₂), riuscendo a imitare in modo più accurato i comportamenti neuronali rispetto a precedenti soluzioni artificiali.
Come spiegano i ricercatori a Techxplore, simulare l’intero spettro dei processi di apprendimento richiede l’interazione di più meccanismi di plasticità, inclusa la plasticità intrinseca, che il nuovo hardware riesce a replicare efficacemente.
Il neurone artificiale creato dal team di ricerca si basa su due elementi fondamentali: un sistema DRAM e un circuito invertitore.
- la DRAM memorizza cariche elettriche nei condensatori, modulabili per simulare le variazioni di potenziale di membrana dei neuroni biologici e determinare quando essi “si attivano”;
- l’inverter, invece, permette di generare esplosioni elettriche analoghe ai potenziali d’azione neuronali, replicando il comportamento dei neuroni naturali.
Grazie a questa combinazione, il neurone artificiale può anche emulare l’adattamento visivo umano in condizioni di luce variabile, regolando dinamicamente la sensibilità alla luce e replicando fenomeni come l’adattamento fotopico e scotopico. Questo apre la strada a applicazioni in computer vision altamente efficienti dal punto di vista energetico.
Test e prospettive future
Per valutare le potenzialità del neurone, i ricercatori hanno realizzato una griglia 3×3 di neuroni artificiali e ne hanno testato l’adattamento a stimoli luminosi diversi, replicando il comportamento del sistema visivo umano. Successivamente, il modulo è stato impiegato per simulare una rete neurale bioispirata per il riconoscimento di immagini, con risultati promettenti.
Gli scienziati sottolineano che questa tecnologia potrebbe rivoluzionare il modo in cui si sviluppano sistemi di intelligenza artificiale a basso consumo energetico, con applicazioni non solo in visione artificiale, ma anche in altri compiti computazionali complessi.
