La rete di nanofili artificiali agisce come il cervello quando viene stimolata elettricamente 

Gli scienziati dell'Università di Sydney e del National Institute for Material Science (NIMS) del Giappone hanno scoperto come far agire una rete artificiale di nanocavi in ​​modo simile al cervello quando viene stimolata elettricamente. 

Lo studio è stato pubblicato Nature Communications. 

Il team internazionale era guidato da Joel Hochstetter, a cui si sono uniti il ​​professor Zdenka Kuncic e il professor Tomonobu Nakayama. 

Il team ha scoperto che possono mantenere una rete di nanofili in uno stato simile al cervello "ai margini del caos" per svolgere attività a un livello ottimale. 

Secondo i ricercatori, ciò suggerisce che la natura alla base dell'intelligenza neurale è fisica e potrebbe portare a nuovi sviluppi nell'intelligenza artificiale. 

Joel Hochstetter è un dottorando presso l'Università di Sydney Nano Institute and School of Physics e autore principale dell'articolo.

"Abbiamo utilizzato fili lunghi 10 micrometri e non più spessi di 500 nanometri disposti in modo casuale su un piano bidimensionale", ha affermato Hochstetter.

"Dove i fili si sovrappongono, formano una giunzione elettrochimica, come le sinapsi tra i neuroni", ha detto. “Abbiamo scoperto che i segnali elettrici trasmessi attraverso questa rete trovano automaticamente il percorso migliore per la trasmissione delle informazioni. E questa architettura consente alla rete di "ricordare" i percorsi precedenti attraverso il sistema".

Testare la rete Nanowire

Il team di ricerca ha utilizzato simulazioni per testare la rete di nanofili casuali al fine di apprendere come potrebbe eseguire al meglio e risolvere compiti semplici. 

Ogni volta che il segnale che stimolava la rete era troppo basso, il percorso non produceva output sufficientemente complessi perché erano troppo prevedibili. D'altra parte, se la rete era sopraffatta dal segnale, l'output era troppo caotico.

Ciò significava che il segnale ottimale era al limite di questo stato caotico, secondo il team.

Il professor Kuncic è dell'Università di Sydney. 

"Alcune teorie nelle neuroscienze suggeriscono che la mente umana potrebbe operare a questo limite del caos, o quello che viene chiamato lo stato critico", ha detto il professor Kuncic. "Alcuni neuroscienziati pensano che sia in questo stato che otteniamo le massime prestazioni cerebrali".

"La cosa così eccitante di questo risultato è che suggerisce che questi tipi di reti di nanofili possono essere sintonizzati su regimi con dinamiche collettive diverse, simili al cervello, che possono essere sfruttate per ottimizzare l'elaborazione delle informazioni", ha continuato. 

La rete di nanofili è in grado di incorporare memoria e operazioni in un unico sistema grazie alle giunzioni tra i fili. Questo è diverso dai computer standard, che si basano su memoria e operazioni separate. 

“Queste giunzioni si comportano come i transistor dei computer, ma con l'ulteriore proprietà di ricordare che i segnali hanno percorso quel percorso in precedenza. In quanto tali, sono chiamati 'memristori'", ha detto Hochstetter.

La memoria è in forma fisica con le giunzioni nei punti di incrocio tra nanofili che agiscono come interruttori. Il loro comportamento dipende dalla risposta storica ai segnali elettrici e, quando i segnali vengono applicati attraverso le giunzioni, vengono attivati ​​quando la corrente li attraversa.

"Questo crea una rete di memoria all'interno del sistema casuale di nanofili", ha detto.

Il team ha sviluppato una simulazione della rete fisica per dimostrare la sua capacità di risolvere compiti molto semplici. 

"Per questo studio abbiamo addestrato la rete a trasformare una semplice forma d'onda in tipi più complessi di forme d'onda", ha affermato Hochstetter.

Il team ha regolato l'ampiezza e la frequenza del segnale elettrico per vedere dove si sono verificate le prestazioni migliori.

“Abbiamo scoperto che se spingi il segnale troppo lentamente, la rete fa sempre la stessa cosa senza imparare e svilupparsi. Se lo abbiamo spinto troppo forte e veloce, la rete diventa irregolare e imprevedibile", ha detto.

Vantaggi del mondo reale

Secondo il professor Kuncic, l'unione di memoria e operazioni ha grandi vantaggi per l'intelligenza artificiale. 

"Gli algoritmi necessari per addestrare la rete a sapere a quale giunzione dovrebbe essere accordato il 'carico' o il peso di informazioni appropriato consumano molta energia", ha affermato.

“I sistemi che stiamo sviluppando eliminano la necessità di tali algoritmi. Consentiamo semplicemente alla rete di sviluppare la propria ponderazione, il che significa che dobbiamo solo preoccuparci del segnale in entrata e in uscita, un framework noto come "reservoir computing". I pesi della rete sono autoadattativi, liberando potenzialmente grandi quantità di energia”.

Kuncic afferma che ciò significa che i futuri sistemi di intelligenza artificiale che si basano su queste reti avrebbero un impatto energetico molto inferiore.