{"id":20660,"date":"2021-10-27T00:37:12","date_gmt":"2021-10-26T22:37:12","guid":{"rendered":"https:\/\/test.cfdfeaservice.it\/index.php\/2021\/10\/27\/nanoarchitetture-neurali-artificiali-che-imitano-il-cervello-umano\/"},"modified":"2021-10-27T00:37:12","modified_gmt":"2021-10-26T22:37:12","slug":"nanoarchitetture-neurali-artificiali-che-imitano-il-cervello-umano","status":"publish","type":"post","link":"https:\/\/test.cfdfeaservice.it\/index.php\/2021\/10\/27\/nanoarchitetture-neurali-artificiali-che-imitano-il-cervello-umano\/","title":{"rendered":"Nanoarchitetture neurali artificiali che imitano il cervello umano"},"content":{"rendered":"
\n
\"nanoarchitetture<\/div>\n
\n

Due team dei politecnici di Milano<\/a> e di Torino<\/a> hanno pubblicato uno studio su Nature Materials<\/a> che esplora la possibilit\u00e0 di imitare l\u2019apprendimento del cervello umano grazie a nanoarchitetture neurali artificiali.<\/em><\/p>\n

Negli ultimi anni, sempre pi\u00f9 scienziati di diverse discipline che vanno dalla Biologia alla Fisica, dalla Matematica all\u2019Ingegneria, stanno unendo le proprie forze per affrontare la madre di tutte le sfide scientifiche: la comprensione della mente umana<\/strong>.<\/p>\n

Questo sforzo conoscitivo senza precedenti \u00e8 alla base del boom dell\u2019Intelligenza Artificiale<\/strong>, grazie alla quale supercomputer di IBM e Google hanno battuto campioni di giochi di strategia (scacchi, Jeopardy, Go), e grazie alla quale i nostri computer e telefoni sono dotati di software sempre pi\u00f9 intelligenti, in grado di imparare dalle nostre esperienze<\/strong>. Nonostante questi incredibili progressi, la capacit\u00e0 del cervello umano di processare informazioni spazio-temporali in parallelo e a bassissimo consumo rimane inarrivabile per gli attuali approcci computazionali (il consumo del supercomputer Watson di IBM \u00e8 circa un milione di volte maggiore di quello del nostro cervello).<\/p>\n

Un approccio hardware al cervello umano<\/h2>\n

Un team del Politecnico di Torino <\/strong>coordinato da Carlo Ricciardi <\/strong>\u2013 docente del Dipartimento di Scienze Applicate e Tecnologia-DISAT <\/strong>\u2013 insieme a Daniele Ielmini <\/strong>del Politecnico di Milano<\/strong> e a Gianluca Milano<\/strong> dell\u2019Istituto Nazionale di Ricerca Metrologica-INRiM<\/strong> in un recente studio pubblicato sulla prestigiosa rivista Nature Materials<\/a> propongono un approccio hardware, partendo dall\u2019evidenza che anche le pi\u00f9 complesse funzioni del cervello, come memoria e apprendimento sono espressione di un comportamento collettivo di connessioni<\/strong> (sinapsi) e unit\u00e0 di processo <\/strong>(neuroni) che hanno una natura fisica e materiale. I dispositivi messi a punto da Ricciardi, Ielmini e Milano si basano su reti di nanofili (nanowires<\/em>) memresistivi<\/strong>, cio\u00e8 architetture su scala nanometrica (la stessa delle sinapsi biologiche) che mostrano le tipiche funzioni neurali come adattabilit\u00e0, plasticit\u00e0 e correlazione spaziotemporale<\/strong>.<\/p>\n

Due architetture memresistive<\/h2>\n

In particolare, nell\u2019articolo appena pubblicato su Nature Materials viene proposto un sistema composto da due architetture<\/strong>, entrambe memresistive: la rete di nanofili reagisce agli input<\/strong>, producendo un output spazio-temporale a dimensionalit\u00e0 ridotta e transitorio, il quale viene poi processato da una matrice di RAM resistive non volatili<\/strong>, grazie alle quali si possono implementare funzioni di classificazione e inferenza<\/strong> usando le semplici leggi di Ohm e Kirchoff (physical in-memory computing<\/em>). Poich\u00e9 la maggior parte del consumo energetico nei sistemi basati su Intelligenza Artificiale \u00e8 relativa all\u2019addestramento (training<\/em>) della rete (come capita anche per le reti neurali biologiche), questa compressione dei parametri operata dalla rete di nanofili comporta una notevole diminuzione del consumo complessivo<\/strong>. Nella prospettiva di sfruttare industrialmente tali potenzialit\u00e0, i tre gruppi hanno gi\u00e0 depositato un brevetto congiunto.<\/p>\n

Implementare in materia i processi cognitivi<\/h2>\n

\u201cAbbiamo mostrato che \u00e8 possibile implementare \u2018in materia\u2019<\/em> \u2013 spiega Carlo Ricciardi<\/strong> \u2013 la dinamica dei processi cognitivi che da un lato sfruttano la memoria operativa a breve termine per richiamare e confrontare immagini, idee e simboli, mentre dall\u2019altro classificano i risultati in variazioni strutturali delle nostre connessioni (memoria a lungo termine). Inoltre, tali dispositivi possono implementare paradigmi computazionali che necessitano di un addestramento limitato come il reservoir computing, aprendo la strada non solo a computer sempre pi\u00f9 intelligenti e a basso consumo, ma anche a protesi neurali impiantabili, che un domani potrebbero consentire il recupero o il contenimento di funzioni neurali in regressione.\u201d<\/em><\/p>\n<\/div>\n

L’articolo Nanoarchitetture neurali artificiali che imitano il cervello umano<\/a> sembra essere il primo su Il Progettista Industriale<\/a>.<\/p>\n<\/div>\n

Vai alla fonte.<\/a><\/p>\n

Autore: Redazione<\/p>\n

Powered by WPeMatico<\/a><\/small><\/p>\n

_________________________________<\/strong><\/p>\n

CFD FEA Service SRL<\/strong> è una società di servizi che offre consulenza<\/em> e formazione<\/em> in ambito ingegneria<\/strong> e IT<\/strong>. Se questo post\/prodotto ti è piaciuto ti invitiamo a:<\/p>\n