Gli scienziati del MIT progettano una sinapsi artificiale per chip di computer simili al cervello

Una nuova era dell'informatica si è appena avvicinata, dato che i ricercatori hanno creato il progetto ed eseguito il primo test pratico per una sinapsi artificiale che potrebbe consentire ai computer di replicare alcune delle funzioni più potenti e complesse del cervello.

Mentre i computer possono sembrare più potenti dei nostri cervelli, possiamo effettivamente affrontare una gamma molto più ampia di segnali possibili rispetto a "on" e "off" di binario, grazie alle sinapsi che gestiscono le connessioni tra i neuroni.

La replica di tale capacità in un computer richiede sinapsi artificiali che possono inviare in modo affidabile tutti quei segnali sottilmente diversi. Come descrivono nel numero di lunedì del diario Materiali naturali I ricercatori del Massachusetts Institute of Technology hanno eseguito quello che chiamano il primo test pratico di una tale sinapsi artificiale, scatenando ciò che è noto come calcolo neuromorfico.

Mentre i test sono avvenuti solo in simulazioni al computer, i test sono stati promettenti. I ricercatori hanno utilizzato i progetti di sinapsi artificiali per riconoscere diversi campioni di grafia. La simulazione che hanno eseguito è riuscita a corrispondere quasi a quello che gli algoritmi tradizionali esistenti possono fare in termini di precisione - 95 contro il 97 percento - che è un punto di partenza impressionante per la tecnologia in è l'infanzia assoluta.

I tradizionali computer digitali si basano sulla segnalazione binaria. Un valore di uno significa "on", mentre un valore di zero significa "off". Poiché i computer possono eseguire calcoli specifici in modo molto più rapido ed efficiente di quanto possiamo fare, è facile presumere che questo approccio binario sia migliore di quello che succede nel nostro cervelli.

Ma l'impostazione analogica dei 100 miliardi di neuroni all'interno di ciascuno dei nostri cervelli è discutibilmente molto più sofisticata. Il 100 trilioni di le sinapsi che gestiscono le connessioni tra quei neuroni non si limitano a inviare o disattivare i segnali.

I diversi tipi e numeri di ioni che fluiscono attraverso una data sinapsi determinano quanto forte è il segnale che invia a un particolare neurone, e quello spettro di possibili messaggi significa che il nostro cervello può sbloccare una varietà molto maggiore di calcoli. Se i computer potessero aggiungere quel tipo di complessità ai loro già grandi kit di strumenti, dovresti considerare alcune macchine seriamente potenti - e non avrebbero nemmeno bisogno di essere giganti.

Ecco il problema: la natura ha avuto un paio di miliardi di anni per perfezionare le sinapsi nel nostro cervello e quelle di altre specie. I ricercatori hanno cercato solo di creare l'equivalente sintetico per alcuni anni, e ci sono alcuni ostacoli importanti. Il più grande è che qualsiasi sinapsi artificiale deve inviare in modo affidabile lo stesso tipo di segnale per ogni input che riceve, altrimenti la complessità si degrada nel caos.

"Una volta che applichi del voltaggio per rappresentare alcuni dati con il tuo neurone artificiale, devi cancellare ed essere in grado di scriverlo di nuovo nello stesso modo", ha detto Kim. "Ma in un solido amorfo, quando scrivi di nuovo, gli ioni vanno in direzioni diverse perché ci sono molti difetti. Questo flusso sta cambiando ed è difficile da controllare. Questo è il problema più grande: la non uniformità della sinapsi artificiale."

I ricercatori del MIT sono ottimisti sul fatto che il loro design ha fatto progressi significativi su questo problema utilizzando un materiale diverso, un silicio monocristallino che conduce perfettamente senza difetti. In una simulazione, i ricercatori hanno progettato sinapsi artificiali in cima a questa fondazione utilizzando il materiale comune al silicio germanio del transistor, che sono stati in grado di creare correnti che variavano solo del 4% circa tra sinapsi diverse. Non è perfetto, ma è un enorme miglioramento rispetto a ciò che è stato raggiunto in precedenza.

Per ora, questo lavoro rimane teorico, e c'è una differenza tra la dimostrazione di risultati promettenti in una simulazione contro la realizzazione di ciò in un vero test del mondo reale. Ma Kim e il suo team sono ottimisti.

"Questo apre un trampolino di lancio per produrre un vero e proprio hardware artificiale", ha affermato.