Un gruppo di fisici delle università di Costanza e Stoccarda ha trasformato 400 microscopiche particelle che orbitano dentro una goccia di liquido in un vero e proprio computer liquido, capace di prevedere segnali caotici e individuare anomalie. Il lavoro, pubblicato su Communications AI & Computing, mostra un sistema che ragiona con la fisica del movimento invece che con i circuiti tradizionali. La macchina ha previsto una serie caotica di Mackey-Glass e ha scovato anomalie che lasciano intatti media, varianza e autocorrelazione a breve termine di un segnale, ottenendo un punteggio F1 di 0,90 su quest’ultimo compito, decisamente più ostico. Il rovescio della medaglia? Rispetto ai concorrenti basati su memristori, questo hardware fluido risulta circa 10 volte meno preciso, un divario che gli stessi autori ammettono senza troppi giri di parole.
Ogni oscillatore è una sferetta di silice con un raggio di 3 micrometri, rivestita da un lato con 80 nanometri di carbonio e tenuta in sospensione in una miscela di acqua e lutidina a 28 gradi. Un laser da 532 nanometri riscalda il rivestimento e spinge la particella verso un punto bersaglio assegnato. Ma tra il momento in cui la particella viene fotografata e quello in cui il raggio la riposiziona passa un attimo di troppo, così finisce per superare il bersaglio e assestarsi in una piccola orbita. I flussi nel liquido collegano tra loro le orbite vicine, e i dati entrano nel sistema sotto forma di spostamenti di questi punti bersaglio.
Computer liquido: quanto conta la distanza tra le particelle
La spaziatura del reticolo determina la forza di accoppiamento, dato che le forze idrodinamiche calano con la distanza, mentre una soglia di smorzamento stabilisce quanto ogni particella oscilla. Entrambi i parametri si possono regolare mentre l’esperimento è in corso, con un errore di previsione che cambia di oltre tre volte lungo tutto quello spazio di configurazioni. La precisione ha retto bene anche quando l’input raggiungeva appena il 20 per cento degli oscillatori, e persino quando alcune particelle smettevano di rispondere al laser o si ammassavano tra loro. Un buon segno di robustezza per un sistema così delicato.
Sul fronte dei numeri, l’array colloidale ha raggiunto un errore quadratico medio normalizzato di circa 0,1 sulla previsione a un passo di Mackey-Glass. I dispositivi a memristori, oggi, arrivano a 0,01 o anche meglio sullo stesso banco di prova. La differenza però ha una spiegazione: quei risultati si appoggiano al time-multiplexing e sono il frutto di quasi un decennio di lavoro concentrato. Gli autori scrivono chiaramente che il loro reservoir non batte le implementazioni fisiche già consolidate. Un preprint su arXiv di gennaio la metteva in modo un po’ diverso, sottolineando che evitare il time-multiplexing distingueva questa piattaforma da quasi tutti i reservoir fisici esistenti, compresi quelli fotonici, memristivi e spintronici.
Serve tanta strumentazione, e sull’energia niente numeri
Far girare il reservoir richiede un laser da 532 nanometri, un deflettore acusto-ottico a due assi che scansiona a 100 kHz, microscopia in tempo reale con tracciamento delle particelle, una cella di quarzo a temperatura controllata e un computer normale per i 1.000 kernel gaussiani e la ridge regression che producono l’output. Curiosamente, nel documento non compare nessun dato sull’energia, nonostante l’efficienza energetica fosse proprio la motivazione dichiarata. Gli autori riconoscono che il setup guidato dal laser potrebbe non essere praticabile e indicano soluzioni più semplici, come colloidi pilotati da elettrodi.
Clemens Bechinger, professore di materia soffice condensata all’università di Costanza, ha spiegato nell’annuncio dell’ateneo che le dinamiche non devono essere comprese fino in fondo, basta che rispondano in modo affidabile, e a quel punto la loro fisica si può sfruttare direttamente per il calcolo. Nel frattempo, un’altra squadra ha sincronizzato 105.000 nano-oscillatori in 45 nanosecondi su una piattaforma che dovrebbe arrivare a decine di gigahertz.