Usare l'elettricità per trovare materiali che possano imparare

May 04, 2023

Gli scienziati che desiderano creare una nuova generazione di supercomputer cercano ispirazione dal computer più complesso ed efficiente dal punto di vista energetico mai costruito: il cervello umano.

In alcune delle loro incursioni iniziali nella realizzazione di computer ispirati al cervello, i ricercatori stanno esaminando diversi materiali non biologici le cui proprietà potrebbero essere adattate per mostrare prove di comportamenti simili all’apprendimento. Questi materiali potrebbero costituire la base per hardware che potrebbe essere abbinato a nuovi algoritmi software per consentire un’intelligenza artificiale (AI) più potente, utile ed efficiente dal punto di vista energetico.

In un nuovo studio Guidati da scienziati della Purdue University, i ricercatori hanno esposto l'ossido di nichel carente di ossigeno a brevi impulsi elettrici e hanno suscitato due diverse risposte elettriche simili all'apprendimento. Il risultato è un sistema completamente elettrico che mostra questi comportamenti di apprendimento, ha affermato il professore della Rutgers University Shriram Ramanathan. (Ramanathan era professore alla Purdue University al momento di questo lavoro.) Il gruppo di ricerca ha utilizzato le risorse dell'Advanced Photon Source (APS), una struttura utente dell'Ufficio scientifico del Dipartimento dell'Energia (DOE) degli Stati Uniti presso l'Argonne National Laboratory del DOE.

La prima risposta, l'assuefazione, si verifica quando il materiale "si abitua" a essere leggermente colpito. Gli scienziati hanno notato che, nonostante la resistenza del materiale aumenti dopo uno scossone iniziale, esso si abitua presto allo stimolo elettrico. "L'assuefazione è come quello che succede quando vivi vicino a un aeroporto", ha detto Fanny Rodolakis, fisica e scienziata della linea di luce dell'APS. "Il giorno in cui ti trasferisci, pensi 'che baccano', ma alla fine non te ne accorgi quasi più."

L'altra risposta mostrata dal materiale, la sensibilizzazione, si verifica quando viene somministrata una dose maggiore di elettricità. "Con uno stimolo maggiore, la risposta del materiale cresce invece di diminuire nel tempo", ha detto Rodolakis. "È come guardare un film dell'orrore e poi avere qualcuno che dice 'buuu!' da dietro un angolo: lo vedi saltare davvero."

"Praticamente tutti gli organismi viventi dimostrano queste due caratteristiche", ha detto Ramanathan. "Sono davvero un aspetto fondamentale dell'intelligenza."

Questi due comportamenti sono controllati da interazioni quantistiche tra gli elettroni che non possono essere descritte dalla fisica classica e che aiutano a formare la base per una transizione di fase nel materiale. "Un esempio di transizione di fase è un liquido che diventa solido", ha detto Rodolakis. "Il materiale che stiamo esaminando è proprio al confine, e le interazioni concorrenti che avvengono a livello elettronico possono facilmente essere spostate in un modo o nell'altro da piccoli stimoli."

Avere un sistema che possa essere completamente controllato da segnali elettrici è essenziale per le applicazioni informatiche ispirate al cervello, ha affermato Ramanathan. "Essere in grado di manipolare i materiali in questo modo consentirà all'hardware di assumersi parte della responsabilità dell'intelligenza", ha spiegato. "L'utilizzo delle proprietà quantistiche per integrare l'intelligenza nell'hardware rappresenta un passo fondamentale verso un'informatica efficiente dal punto di vista energetico."

La differenza tra assuefazione e sensibilizzazione può aiutare gli scienziati a superare una sfida nello sviluppo dell’intelligenza artificiale chiamata dilemma stabilità-plasticità. Gli algoritmi di intelligenza artificiale possono spesso essere, da un lato, troppo riluttanti ad adattarsi alle nuove informazioni. Ma dall'altro, quando lo fanno, spesso possono dimenticare parte di ciò che hanno già imparato. Creando un materiale che può abituarsi, gli scienziati possono insegnargli a ignorare o dimenticare le informazioni non necessarie e quindi ottenere ulteriore stabilità, mentre la sensibilizzazione potrebbe addestrarlo a ricordare e incorporare nuove informazioni, consentendo la plasticità.

"L'intelligenza artificiale spesso ha difficoltà ad apprendere e archiviare nuove informazioni senza sovrascrivere quelle già archiviate", ha affermato Rodolakis. "Troppa stabilità impedisce all'intelligenza artificiale di apprendere, ma troppa plasticità può portare a un dimenticatoio catastrofico."

Uno dei principali vantaggi del nuovo studio riguardava le dimensioni ridotte del dispositivo all'ossido di nichel. "Questo tipo di apprendimento non era stato precedentemente effettuato nell'attuale generazione di elettronica senza un gran numero di transistor", ha detto Rodolakis. "Questo sistema a giunzione singola è il sistema più piccolo fino ad oggi a mostrare queste proprietà, il che ha grandi implicazioni per il possibile sviluppo di circuiti neuromorfici."