La tecnologia potrebbe portare allo sviluppo di computer neuromorfici
Un dispositivo a cambiamento di fase imita la funzionalità dei neuroni
Gli scienziati hanno creato dei neuroni con materiali a cambiamento di fase per memorizzare ed elaborare i dati. Questo esperimento ha lo scopo di sviluppare tecnologie integrate neuromorfi ultra-densi, ad alta efficienza energetica, per le applicazioni di computing cognitive.
Neuroni a cambiamento di fase.
Un chip con grandi array di dispositivi a cambiamento di fase che memorizzano lo stato delle popolazioni neurali artificiali nella loro configurazione atomica.
I singoli dispositivi sono accessibili tramite un array di sonde per consentire una precisa caratterizzazione, modellazione e query. Le piazzole neurali sono pastiglie di contatto che vengono utilizzate per accedere alle celle a cambiamento di fase su scala nanometrica (non visibile). Sonde taglienti toccano le piazzole di contatto per modificare la configurazione di fase memorizzata nelle cellule in risposta all’ingresso neurale. Ogni set di sonde è in grado di accedere a una popolazione di 100 cellule. I padroni di casa dei chip sono solo i dispositivi a cambiamento di fase che sono il “cuore” dei neuroni. Ci sono da migliaia a milioni di queste cellule su un unico chip e l’accesso avviene mediante aghi taglienti (carta sonda).
Ispirata dal modo in cui funziona biologicamente il cervello, gli scienziati teorizzano da decenni che dovrebbe essere possibile imitare la capacità versatile di calcolo di grandi popolazioni di neuroni. Tuttavia, così facendo, la densità e la disponibilità di potenza sarebbero paragonabile a quelle osservate in biologia.
“Abbiamo ricerche sui materiali a cambiamento di fase per le applicazioni di memoria di oltre un decennio, e il nostro progresso negli ultimi 24 mesi è stata notevole”, ha detto Fellow Evangelos Eleftheriou. “In questo periodo, abbiamo scoperto e pubblicato le nuove tecniche di memoria, tra cui la memoria proiettata, immagazzinata nella memoria a cambiamento di fase per la prima volta a 3 bit per cella, e ora si stanno verificando le potenti capacità di cambiamento di fase basandosi su neuroni artificiali, in grado di eseguire vari e primitivi calcoli come il rilevamento dei dati di correlazione e l’apprendimento non supervisionato ad alta velocità utilizzando pochissima energia. ”
I risultati di questa ricerca appaiono sulla rivista peer-reviewed Nature Nanotechnology.
I neuroni artificiali progettati dagli scienziati IBM di Zurigo sono costituiti da materiali a cambiamento di fase, tra cui germanio antimonio tellururo, che presentano due stati stabili, uno amorfo (senza una struttura ben definita) e uno a struttura cristallina. Questi materiali sono alla base di dischi Blu-ray riscrivibili. Tuttavia, i neuroni artificiali non memorizzano le informazioni digitali; essi sono analogici, proprio come le sinapsi e i neuroni nel nostro cervello biologico.
Nella dimostrazione pubblicata, il team ha applicato una serie di impulsi elettrici ai neuroni artificiali, che hanno portato alla progressiva cristallizzazione del materiale a cambiamento di fase, in ultima analisi, causando l’attivarsi del neurone. Questa è la base per il calcolo sugli eventi e, in linea di principio, è simile al modo in cui il nostro cervello innesca una risposta quando tocchiamo qualcosa di caldo.
Sfruttando questa proprietà, anche un singolo neurone può essere utilizzato per rilevare modelli e scoprire le correlazioni nei flussi in tempo reale di dati basati su eventi. Ad esempio, in Internet degli oggetti, i sensori possono raccogliere e analizzare volumi di dati meteo raccolti ai margini per le previsioni più veloci. I neuroni artificiali potrebbero essere utilizzati per rilevare i modelli di transazioni finanziarie per trovare discrepanze o utilizzare i dati da mezzi di comunicazione sociale per scoprire le nuove tendenze culturali in tempo reale. Grandi popolazioni di questi neuroni nano-scala a basso consumo energetico e alta velocità, potrebbero essere utilizzate anche con coprocessori neuromorfici con unità di memoria e di elaborazione co-locati.
Gli scienziati IBM hanno organizzato centinaia di popolazioni di neuroni artificiali e li hanno usati per rappresentare segnali veloci e complessi. Inoltre, i neuroni artificiali hanno dimostrato di sostenere miliardi di cicli di commutazione, che corrisponderebbero a più anni di funzionamento ad una frequenza di aggiornamento di 100 Hz. L’energia necessaria per l’aggiornamento di ogni neurone era meno di cinque picojoule e la potenza media inferiore a 120 microwatt – pari alla potenza di 60 milioni microwatt di una lampadina 60 watt.
“Le popolazioni di neuroni a cambiamento di fase stocastici, in combinazione con altri elementi di calcolo su scala nanometrica, come sinapsi artificiali, potrebbe essere un fattore chiave per la creazione di una nuova generazione di sistemi di calcolo neuromorfi estremamente dense”, ha detto Tomas Tuma, un co-autore dello studio.
Per saperne di più su questa ricerca, questo il sito:
https://www.ibm.com/blogs/research/2016/08/unsupervised-learning-artificial-neurons
http://www.nature.com/nnano/journal/v11/n8/full/nnano.2016.70.html
