I moderni modelli informatici, specialmente per potenti applicazioni di Intelligenza Artificiale, stanno spingendo i tradizionali processi informatici digitali ai loro limiti. Nuove architetture di calcolo, che emulano i principi di funzionamento delle reti neurali biologiche, promettono elaborazioni dati più veloci ed efficienti dal punto di vista energetico. Un team di ricercatori ha sviluppato un’architettura basata sugli eventi, utilizzando processori fotonici con cui i dati vengono trasportati ed elaborati tramite la luce.
Architettura basata sulla luce
Similmente al cervello, questa tecnologia permette l’adattamento continuo delle connessioni all’interno della rete neurale. Queste connessioni mutevoli sono la base dei processi di apprendimento. Per lo studio, un team del Collaborative Research Centre 1459 (“Intelligent Matter”), guidato dai fisici Prof. Wolfram Pernice e Prof. Martin Salinga e dallo specialista informatico Prof. Benjamin Risse dell’Università di Münster, ha collaborato con ricercatori delle Università di Exeter e Oxford nel Regno Unito. Lo studio è stato pubblicato sulla rivista “Science Advances”.
Neuroni artificiali e sinapsi
Per una rete neurale nell’apprendimento automatico, sono necessari neuroni artificiali attivati da segnali eccitatori esterni e con connessioni ad altri neuroni. Le connessioni tra questi neuroni artificiali sono chiamate sinapsi. Il team di Münster ha utilizzato una rete di quasi 8.400 neuroni ottici realizzati con materiale a cambiamento di fase accoppiato a guida d’onda. Hanno dimostrato che la connessione tra ciascuno di questi neuroni può effettivamente diventare più forte o più debole, e che possono essere formate nuove connessioni o eliminate quelle esistenti.
Vantaggi dei processori basati sulla luce
Rispetto ai processori elettronici tradizionali, i processori basati sulla luce offrono una larghezza di banda significativamente superiore, consentendo di eseguire compiti di calcolo complessi con un minor consumo energetico. “Il nostro obiettivo è sviluppare un’architettura di calcolo ottico che a lungo termine permetta di elaborare applicazioni di IA in modo rapido ed efficiente dal punto di vista energetico,” afferma Frank Brückerhoff-Plückelmann, uno degli autori principali.
Metodologia
Il materiale a cambiamento di fase non volatile può essere commutato tra una struttura amorfa e una struttura cristallina con un reticolo atomico altamente ordinato. Questa caratteristica consente la memorizzazione permanente dei dati anche senza un’alimentazione energetica. I ricercatori hanno testato le prestazioni della rete neurale addestrandola a distinguere tra testi tedeschi e inglesi, utilizzando come parametro di riconoscimento il numero di vocali nel testo.