Rete di nanofili artificiali che si comporta come il cervello quando stimolata elettricamente

Gli scienziati dell’Università di Sydney e dell’Istituto nazionale giapponese per la scienza dei materiali (NIMS) hanno scoperto come fare in modo che una rete artificiale di nanofili si comporti in modo simile al cervello quando stimolata elettricamente.

Lo studio è stato pubblicato su Nature Communications.

Il team internazionale era guidato da Joel Hochstetter, che era affiancato dal professor Zdenka Kuncic e dal professor Tomonobu Nakayama.

Il team ha scoperto che possono mantenere una rete di nanofili in uno stato simile al cervello “sull’orlo del caos” per eseguire compiti a un livello ottimale.

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

Joel Hochstetter è un candidato al dottorato presso l’Istituto di nano-tecnologia e la Scuola di fisica dell’Università di Sydney e autore principale del documento.

“Abbiamo utilizzato fili di 10 micrometri di lunghezza e non più spessi di 500 nanometri disposti casualmente su un piano bidimensionale”, ha detto Hochstetter.

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

Test della rete di nanofili

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

Ogni volta che il segnale che stimolava la rete era troppo basso, il percorso non produceva output abbastanza 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 sull’orlo 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 funzionare in questo stato di caos, o ciò che è chiamato stato critico”, ha detto il professor Kuncic. “Alcuni neuroscienziati pensano che sia in questo stato che raggiungiamo la massima prestazione del cervello.”

“Ciò che è così emozionante in questo risultato è che suggerisce che questi tipi di reti di nanofili possono essere regolati in regimi con dinamiche collettive 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 a causa delle giunzioni tra i fili. Ciò è diverso dai computer standard, che si basano su memoria e operazioni separate.

“Queste giunzioni agiscono come transistor del computer, ma con la proprietà aggiuntiva di ricordare che i segnali hanno viaggiato su quel percorso in precedenza. Pertanto, sono chiamati ‘memristori'”, ha detto Hochstetter.

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

“Ciò 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 forma d’onda semplice in tipi di forme d’onda più complesse”, ha detto Hochstetter.

Il team ha regolato l’ampiezza e la frequenza del segnale elettrico per vedere dove si verificava la migliore prestazione.

“Abbiamo scoperto che se si spinge il segnale troppo lentamente, la rete fa solo la stessa cosa più e più volte senza imparare e svilupparsi. Se lo spingiamo troppo forte e veloce, la rete diventa erratica e imprevedibile”, ha detto.

Vantaggi nel mondo reale

Secondo il professor Kuncic, unire memoria e operazioni ha grandi vantaggi per l’intelligenza artificiale.

“Gli algoritmi necessari per addestrare la rete a sapere quale giunzione debba essere assegnata il carico o il peso appropriato di informazioni consumano molta potenza”, ha detto.

“I sistemi che stiamo sviluppando eliminano la necessità di tali algoritmi. Ci limitiamo a far sviluppare alla rete il proprio peso, il che significa che dobbiamo solo preoccuparci del segnale in ingresso e del segnale in uscita, un framework noto come ‘calcolo del serbatoio’. I pesi della rete sono auto-adattivi, potenzialmente liberando grandi quantità di energia.”

Kuncic afferma che ciò significa che i futuri sistemi di intelligenza artificiale che si basano su queste reti avranno un’impronta energetica molto più bassa.