Le reti neurali sono alcuni degli strumenti più importanti dell’intelligenza artificiale (AI): imitano il funzionamento del cervello umano e possono riconoscere in modo affidabile testi, linguaggio e immagini, solo per citarne alcuni. Finora, funzionano su processori tradizionali sotto forma di software adattivo, ma gli esperti stanno lavorando a un concetto alternativo, il “computer neuromorfico“.
In questo caso, i punti di commutazione del cervello – i neuroni – non vengono simulati dal software ma ricostruiti in componenti hardware. Un team di ricercatori dell’Helmholtz-Zentrum Dresden-Rossendorf(HZDR) ha dimostrato un nuovo approccio a tale hardware: onde magnetiche mirate che vengono generate e suddivise in wafer di dimensioni micrometriche.
Guardando al futuro, ciò potrebbe significare che le attività di ottimizzazione e il riconoscimento dei modelli potrebbero essere completati più velocemente e con maggiore efficienza energetica.
I risultati dei ricercatori sul progetto
I ricercatori hanno presentato i loro risultati sulla rivista Physical Review Letters. Il team ha basato le sue indagini su un minuscolo disco del materiale magnetico ferro nichel, con un diametro largo solo pochi micrometri. Un anello d’oro è posto attorno a questo disco: quando una corrente alternata nell’intervallo dei gigahertz scorre attraverso di esso, emette microonde che eccitano le cosiddette onde di rotazione nel disco.
“Gli elettroni nel ferro nichel mostrano uno spin, una sorta di vortice sul posto un po ‘come una trottola”, spiega Helmut Schultheiß, capo dell’Emmy Noether Group “Magnonics” presso HZDR. “Usiamo gli impulsi a microonde per lanciare la parte superiore dell’elettrone leggermente fuori rotta.” Gli elettroni trasmettono quindi questo disturbo ai rispettivi vicini, il che fa sì che un’onda di rotazione attraversi il materiale.
Le informazioni possono essere trasportate in modo altamente efficiente in questo modo senza dover spostare gli elettroni stessi. Nel 2019, il gruppo Schultheiß ha scoperto qualcosa di straordinario: in determinate circostanze, l’onda di spin generata nel vortice magnetico può essere suddivisa in due onde, ciascuna con una frequenza ridotta.
“I cosiddetti effetti non lineari sono responsabili di questo”, spiega Lukas Körber, collega di Schultheiß. “Si attivano solo quando la potenza delle microonde irradiate supera una certa soglia.” Tale comportamento suggerisce le onde di spin come promettenti candidati per i neuroni artificiali perché c’è un sorprendente parallelo con il funzionamento del cervello: questi neuroni si attivano anche solo quando una certa soglia di stimolo è stata superata.
All’inizio, tuttavia, gli scienziati non sono stati in grado di controllare la divisione dell’onda di rotazione in modo molto preciso. Körber spiega perché: “Quando abbiamo inviato il microonde nel disco, c’è stato un intervallo di tempo prima che l’onda di rotazione si dividesse in due nuove onde. E questo era difficile da controllare.”
Quindi, il team ha dovuto escogitare un modo per aggirare il problema, che ora hanno descritto nelle Physical Review Letters: oltre all’anello d’oro, una piccola striscia magnetica è attaccata vicino al wafer magnetico. Un breve segnale a microonde genera un’onda di spin in questa striscia che può interagire con l’onda di spin nel wafer e quindi agire come una sorta di esca.
L’onda di rotazione nella striscia fa sì che l’onda nel wafer si divida più velocemente. “Un segnale aggiuntivo molto breve è sufficiente per velocizzare la divisione”, spiega Körber. Il che significa anche che, in linea di principio, è stato dimostrato che i wafer di onde di spin sono adatti per i neuroni hardware artificiali: passano in modo simile alle cellule nervose nel cervello e possono essere controllati direttamente.
“La prossima cosa che vogliamo fare è costruire una piccola rete con i nostri neuroni delle onde di spin”, annuncia Helmut Schultheiß. “Questa rete neuromorfica dovrebbe quindi svolgere compiti semplici come il riconoscimento di schemi diretti”.
Il riconoscimento dei modelli è una delle principali applicazioni dell’IA. Il riconoscimento facciale su uno smartphone, ad esempio, elimina la necessità di una password. Affinché funzioni, una rete neurale deve essere addestrata in anticipo, il che implica un’enorme potenza di calcolo e enormi quantità di dati.
I produttori di smartphone trasferiscono questa rete a un chip speciale che viene poi integrato nel telefono cellulare. Ma il chip ha un punto debole. Non è adattivo, quindi non è in grado di riconoscere i volti che indossano una maschera Covid, ad esempio. Un computer neuromorfico, d’altra parte, potrebbe anche affrontare situazioni come questa: a differenza dei chip convenzionali, i suoi componenti non sono cablati ma funzionano come cellule nervose nel cervello.
“Per questo motivo, un computer neuromorfico potrebbe elaborare grandi volumi di dati contemporaneamente, proprio come un essere umano, e in questo in modo molto efficiente”, afferma entusiasta Schultheiß. Oltre al riconoscimento del modello, il nuovo tipo di computer potrebbe rivelarsi utile anche in un altro campo economicamente rilevante: per attività di ottimizzazione come pianificatori di percorsi per smartphone ad alta precisione.