Giuseppe Sandro Mela.
2020-06-01.
Coordinati dalla Technische Universität Dresden, un team di scienziati del Centro Helmholtz di Dresda-Rossendorf, della Tschingua di Pechino, dell’Università di Calcutta, del Postech a Pohang in Corea e di Berkeley in California ha prodotto un transistor neuromorfo, capace di memorizzare, di elaborare e di rispondere sulla scorta dei dati memorizzati in tempo reale.
«Un passo importante verso l’informatica neuromorfa»
«Ricercatori della TU di Dresda hanno pubblicato un articolo rivoluzionario sull’informatica neuromorfica»
«Uno degli obiettivi dichiarati della ricerca nel campo del calcolo neuromorfico è quello di mappare la natura auto-organizzante e autoregolante del cervello sia nei circuiti che nei materiali – da qui il termine neuromorfico»
«I computer risultanti dovrebbero essere in grado di adattare e ottimizzare le loro prestazioni e i loro compiti durante il funzionamento in base alle esigenze ed essere in grado di risolvere problemi per i quali non sono stati originariamente programmati»
«Sono costantemente in apprendimento e hanno la cosiddetta plasticità di un sistema nervoso biologico»
«La plasticità si riferisce alla capacità di modificare la struttura e la funzione del circuito elettronico al fine di adattare i processi in corso alle esigenze dell’utente – in altre parole, di riallineare e ricostruire il circuito elettronico dai suoi singoli elementi di commutazione, se necessario.»
«Un ulteriore vantaggio dei computer neuromorfi è la loro struttura di base»
«Nel cervello umano, le informazioni vengono memorizzate ed elaborate nella stessa posizione, simultaneamente e in parallelo, attraverso una complessa rete di connessioni sinaptiche tra più di cento miliardi di neuroni»
«Questo distingue fondamentalmente il cervello dai computer di oggi. Funzionano secondo il principio di von Neumann, in cui le due funzioni elementari di memorizzazione e di calcolo vengono eseguite in unità separate»
«Le architetture informatiche neuromorfiche, invece, come reso possibile dalla scoperta di Dresda, mirano ad andare ben oltre i computer di von Neumann»
«Essi combinano l’immagazzinamento e l’elaborazione delle informazioni all’interno di un’unità funzionale in grado di apprendere – in questo caso specifico, un transistor basato sui fili quantistici di silicio costruiti in modo elaborato con un rivestimento in sol-gel che fornisce plasticità modellata sui neuroni.»
«Ciò consente di eseguire a livello hardware algoritmi potenti, veloci e flessibili, come quelli necessari per l’intelligenza artificiale»
* * *
«Neuromorphic architectures merge learning and memory functions within a single unit cell and in a neuron-like fashion»
«Research in the field has been mainly focused on the plasticity of artificial synapses»
«However, the intrinsic plasticity of the neuronal membrane is also important in the implementation of neuromorphic information processing»
«Here we report a neurotransistor made from a silicon nanowire transistor coated by an ion-doped sol–gel silicate film that can emulate the intrinsic plasticity of the neuronal membrane»
«The neurotransistors are manufactured using a conventional complementary metal–oxide–semiconductor process on an 8-inch (200 mm) silicon-on-insulator wafer»
«Mobile ions allow the film to act as a pseudo-gate that generates memory and allows the neurotransistor to display plasticity»
«We show that multiple pulsed input signals of the neurotransistor are non-linearly processed by sigmoidal transformation into the output current, which resembles the functioning of a neuronal membrane»
«The output response is governed by the input signal history, which is stored as ionic states within the silicate film, and thereby provides the neurotransistor with learning capabilities»
* * * * * * *
A nostra conoscenza, questo è il primo neurotransistor progettato, costruito e funzionante, capace sia di memoria locale sia della capacità di utilizzare le informazioni memorizzate per modulare la risposta, in un processo continuo di apprendimento e di utilizzo immediato di quanto imparato.
Pensando ai primi trasistor degli anni cinquanta ed agli sviluppi che hanno mostrato fino ai circuiti integrati, non si osa pensare quale possa essere il futuro del neurotransistor.
Si noti come le Università Tschingua di Pechino, quella di Calcutta ed il Postech di Pohang siano centri di ricerca asiatici: in meno di trenta anni sono diventati tra le migliori istituzioni del settore.
*
Eunhye Baek, Nikhil Ranjan Das, Carlo Vittorio Cannistraci, Taiuk Rim, Gilbert Santiago Cañón Bermúdez, Khrystyna Nych, Hyeonsu Cho, Kihyun Kim, Chang-Ki Baek, Denys Makarov, Ronald Tetzlaff, Leon Chua, Larysa Baraban & Gianaurelio Cuniberti.
Intrinsic plasticity of silicon nanowire neurotransistors for dynamic memory and learning functions.
Nature Electronics (2020)
«Abstract.
Neuromorphic architectures merge learning and memory functions within a single unit cell and in a neuron-like fashion. Research in the field has been mainly focused on the plasticity of artificial synapses. However, the intrinsic plasticity of the neuronal membrane is also important in the implementation of neuromorphic information processing. Here we report a neurotransistor made from a silicon nanowire transistor coated by an ion-doped sol–gel silicate film that can emulate the intrinsic plasticity of the neuronal membrane. The neurotransistors are manufactured using a conventional complementary metal–oxide–semiconductor process on an 8-inch (200 mm) silicon-on-insulator wafer. Mobile ions allow the film to act as a pseudo-gate that generates memory and allows the neurotransistor to display plasticity. We show that multiple pulsed input signals of the neurotransistor are non-linearly processed by sigmoidal transformation into the output current, which resembles the functioning of a neuronal membrane. The output response is governed by the input signal history, which is stored as ionic states within the silicate film, and thereby provides the neurotransistor with learning capabilities.»
*
«Informazioni per i giornalisti.
Un passo importante verso l’informatica neuromorfa: un lavoro di seminale da Dresda
Ricercatori della TU di Dresda hanno pubblicato un articolo rivoluzionario sull’informatica neuromorfica. Nel loro lavoro pubblicato sulla rinomata rivista “Nature Electronics”, mostrano come i transistor fatti di fili quantistici possano imitare importanti funzioni del cervello umano – la memoria dinamica e l’apprendimento. Il lavoro è stato sviluppato in stretta collaborazione con gli scienziati del Centro Helmholtz di Dresda-Rossendorf, della Tschingua di Pechino, dell’Universita` di Calcutta, del POSTECH a Pohang in Corea e di Berkeley in California.
“Uno degli obiettivi dichiarati della ricerca nel campo del calcolo neuromorfico è quello di mappare la natura auto-organizzante e autoregolante del cervello sia nei circuiti che nei materiali – da qui il termine neuromorfico”, dice il Prof. Gianaurelio Cuniberti professore ordinario di Scienza dei Materiali e Nanotecnologie, che ha coordinato il lavoro. I computer risultanti dovrebbero essere in grado di adattare e ottimizzare le loro prestazioni e i loro compiti durante il funzionamento in base alle esigenze ed essere in grado di risolvere problemi per i quali non sono stati originariamente programmati. Sono costantemente in apprendimento e hanno la cosiddetta plasticità di un sistema nervoso biologico. La plasticità si riferisce alla capacità di modificare la struttura e la funzione del circuito elettronico al fine di adattare i processi in corso alle esigenze dell’utente – in altre parole, di riallineare e ricostruire il circuito elettronico dai suoi singoli elementi di commutazione, se necessario.
Un ulteriore vantaggio dei computer neuromorfi è la loro struttura di base. Nel cervello umano, le informazioni vengono memorizzate ed elaborate nella stessa posizione, simultaneamente e in parallelo, attraverso una complessa rete di connessioni sinaptiche tra più di cento miliardi di neuroni. Questo distingue fondamentalmente il cervello dai computer di oggi. Funzionano secondo il principio di von Neumann, in cui le due funzioni elementari di memorizzazione e di calcolo vengono eseguite in unità separate. Le connessioni aggiuntive richieste tra memoria e unità di calcolo limitano la capacità di risolvere problemi complessi in modo flessibile e causano un enorme consumo di energia e di materiale.
Le architetture informatiche neuromorfiche, invece, come reso possibile dalla scoperta di Dresda, mirano ad andare ben oltre i computer di von Neumann. Essi combinano l’immagazzinamento e l’elaborazione delle informazioni all’interno di un’unità funzionale in grado di apprendere – in questo caso specifico, un transistor basato sui fili quantistici di silicio costruiti in modo elaborato con un rivestimento in sol-gel che fornisce plasticità modellata sui neuroni. Ciò consente di eseguire a livello hardware algoritmi potenti, veloci e flessibili, come quelli necessari per l’intelligenza artificiale. “Grazie al lavoro del nostro team, questa visione di lunga data si è avvicinata molto di più”, conclude Cuniberti.»
SenzaNubi 