Nuove sinapsi artificiali per il calcolo neuromorfico

Prodotto un dispositivo affidabile ad alte prestazioni con una struttura semplice basata su un'interfaccia essenzialmente in oro e altri materiali semiconduttori

I dispositivi memristivi Schottky in metallo/ossido di tipo interfaccia (IT) hanno attirato una notevole attenzione sui dispositivi di tipo filamento (FT) per il calcolo neuromorfico a causa delle loro caratteristiche di commutazione resistiva (RS) uniforme, senza filamenti e analogica. I dispositivi IT più recenti si basano sul movimento di ioni ossigeno e posti vacanti per alterare i parametri interfacciali della barriera Schottky e quindi controllare le proprietà RS. Tuttavia, l'affidabilità e la stabilità di questi dispositivi sono state significativamente influenzate dalla diffusione indesiderata di specie ioniche.

Il cervello umano è stato definito l'oggetto più complicato dell'universo. Cercando di replicare quella capacità di calcolo ancora ineguagliata, gli scienziati del Los Alamos National Laboratory hanno realizzato un nuovo dispositivo memristivo di tipo interfaccia (interface-type memristive), descritto nella rivista Advanced Intelligent Systems (1), che i loro risultati suggeriscono possa essere utilizzato per costruire sinapsi artificiali per il calcolo neuromorfico di prossima generazione. I dispositivi memristivi, o memristori, rappresentano la tecnologia dei circuiti a lungo ricercata che, a differenza dell'attuale tecnologia dei resistori, ha capacità sia di programmazione che di memoria: i memristori potrebbero ricordare in quale stato elettrico si trovavano quando erano spenti, un'abilità simile al cervello umano che apre nuove possibilità per computer e dispositivi.

«L'elaborazione dei dati è una parte essenziale della scienza odierna, con l'apprendimento automatico, l'intelligenza artificiale e le reti neurali artificiali utilizzate per affrontare questioni urgenti in tutto, dalla scienza del clima alle applicazioni di sicurezza nazionale», ha affermato il dottor Aiping Chen (2), scienziato di laboratorio presso il Center for Integrated Nanotechnologies. «Ma l'architettura informatica convenzionale richiede una grande quantità di energia ed è sempre meno in grado di scalare per soddisfare sfide di dati sempre più grandi. Il calcolo neuromorfico, che imita l'impareggiabile architettura e le capacità di archiviazione ed elaborazione dei dati del cervello umano, offre un percorso per continuare a estendere le prestazioni di calcolo».

Il calcolo convenzionale è vincolato dal cosiddetto collo di bottiglia di von Neumann, in cui calcolo e memoria sono separati. L'elaborazione di attività avanzate come l'apprendimento automatico e il riconoscimento di immagini su computer digitali consuma una notevole quantità di energia e tempo a causa del trasferimento dei dati avanti e indietro tra un'unità di elaborazione centrale e la memoria. Il consumo energetico dei data center è aumentato rapidamente negli ultimi anni, con proiezioni secondo cui entro il 2030 circa l'8% dell'elettricità mondiale sarà utilizzata dai data center.

Inoltre, nell'architettura informatica convenzionale, miliardi di transistor su microchip a base di silicio fungono da interruttori per il codice binario di un computer. I limiti fisici alla miniaturizzazione di quei transistor hanno contribuito a segnare la fine della Legge di Moore, una massima che prevedeva il raddoppio della potenza di elaborazione all'incirca ogni due anni.

In-memory computing: proprio come un cervello

Co-localizzando l'archiviazione e l'elaborazione delle informazioni nelle sinapsi, che collegano i 100 miliardi di neuroni che inviano e ricevono informazioni chimiche, l' “elaborazione in memoria” del cervello umano fa risparmiare tempo ed energia. Il calcolo neuromorfico si basa su dispositivi emergenti come i memristori, interruttori tra due terminali che controllano e ricordano la carica che scorre, per replicare la struttura e la funzione delle sinapsi.

Nel campo in rapida evoluzione del calcolo neuromorfico, i progetti di memristor hanno incluso sistemi di filamenti, in cui una carica viene erogata attraverso i dispositivi. Ma, inclini al surriscaldamento, i sistemi di filamenti mancano di stabilità e affidabilità.

Chen e i suoi colleghi stanno lavorando a un approccio diverso chiamato memristor di tipo interfaccia e hanno prodotto un dispositivo affidabile e ad alte prestazioni con una struttura semplice basata su un'interfaccia Au/Nb-doped SrTiO₃, composta essenzialmente da oro e altri materiali semiconduttori. I memristor di tipo interfaccia possono, in linea di principio, essere ridotti a dimensioni nanometriche che nemmeno la tecnologia memristor basata su filamenti può raggiungere. (Al contrario, un capello umano ha uno spessore di circa 100.000 nanometri.) E soprattutto in contrasto con i chip neuromorfici basati su transistor, il dispositivo memristivo di tipo interfaccia ha bisogno di molta meno energia per alimentare la sua elaborazione.

«Diverso dal calcolo digitale con un'architettura di von Neumann, il calcolo neuromorfico, ispirato ai sistemi biologici, funziona proprio come un cervello», ha affermato Chen. «I vantaggi di tale struttura includono un basso consumo energetico, un elevato parallelismo e un'eccellente tolleranza agli errori. Dopotutto, il cervello umano funziona a soli 20 watt, ma impara in modo estremamente efficace. Questi vantaggi lo rendono ottimo per attività informatiche avanzate come l'apprendimento, il riconoscimento e il processo decisionale».

Eccellere nelle attività informatiche avanzate

Il team ha utilizzato la simulazione della rete neurale artificiale per studiare le prestazioni di calcolo del memristor di tipo interfaccia, testandolo su un set di dati di immagini scritte a mano dal database Modified National Standards and Technology gestito dal National Institute of Standards and Technology. Dimostrando un'eccellente uniformità, programmabilità e affidabilità, il dispositivo ha realizzato una precisione di riconoscimento del 94,72%.

Queste prestazioni fanno credere al team che questi nuovi dispositivi memristivi di tipo interfaccia possano essere un componente hardware fondamentale per il calcolo neuromorfico di prossima generazione.

«Le capacità che stiamo vedendo suggeriscono che i chip neuromorfici, come i cervelli umani, saranno bravi in attività avanzate che includono l'apprendimento e il processo decisionale in tempo reale», ha affermato il dottor Chen. «Potremmo vedere il computer neuromorfico abilitare molte applicazioni che richiedono intelligenza, dalle auto a guida autonoma, ai droni, alle telecamere di sicurezza. Fondamentalmente, molte cose che le persone sono in grado di fare, questi tipi di dispositivi saranno in grado di fare».

Il team prevede di continuare a sviluppare la tecnologia con un'enfasi sulla necessità di co-progettazione: progettazione hardware informata da approcci algoritmici offerti da scienziati informatici.

Riferimenti:

(1) An Interface-Type Memristive Device for Artificial Synapse and Neuromorphic Computing

(2) Aiping Chen

Descrizione foto: Testati su un set di dati di immagini scritte a mano dal database Modified National Standards and Technology, i memristori di tipo interfaccia hanno realizzato un'elevata precisione di riconoscimento delle immagini del 94,72%. - Credit: Los Alamos National Laboratory.

Autore traduzione riassuntiva e adattamento linguistico: Edoardo Capuano / Articolo originale: Los Alamos National Laboratory researchers design new artificial synapses for neuromorphic computing