Roma – Sviluppato un neurone artificiale basato su laser che emula completamente le funzioni, le dinamiche e l’elaborazione delle informazioni di un neurone biologico graduato con una velocità di elaborazione del segnale di 10 GBaud, un miliardo di volte più veloce delle sue controparti biologiche. A farlo un gruppo di ricerca guidato da Chaoran Huang, della Chinese University of Hong Kong. Descritto in Optica, il nuovo neurone graduato a laser potrebbe portare a innovazioni in campi come l’intelligenza artificiale e altri tipi di elaborazione avanzata. Il corpo contiene vari tipi di cellule nervose, tra cui neuroni graduati che codificano le informazioni attraverso continui cambiamenti nel potenziale di membrana, consentendo un’elaborazione del segnale sottile e precisa.
I ricercatori hanno sviluppato un laser a punti quantici basato su chip che emula un neurone biologico graduato, raggiungendo una velocità di elaborazione del segnale di 10 GBaud.
Credito
Chaoran Huang, Università cinese di Hong Kong
Al contrario, i neuroni biologici spiking trasmettono le informazioni utilizzando potenziali d’azione tutto o niente, creando una forma di comunicazione più binaria. “Il nostro neurone laser graded supera i limiti di velocità delle attuali versioni fotoniche dei neuroni spiking e ha il potenziale per un funzionamento ancora più rapido”, ha affermato Huang, leader del gruppo di ricerca. “Sfruttando la sua dinamica non lineare simile a quella dei neuroni e l’elaborazione rapida, abbiamo creato un sistema di calcolo del serbatoio che dimostra prestazioni eccezionali in attività di intelligenza artificiale come il riconoscimento di pattern e la previsione di sequenze”, ha continuato Huang. Secondo i ricercatori, il loro neurone laser a punti quantici basato su chip può raggiungere una velocità di elaborazione del segnale di 10 GBaud. Gli scienziati hanno utilizzato questa velocità per elaborare dati da 100 milioni di battiti cardiaci o 34,7 milioni di immagini digitali scritte a mano in un solo secondo. “La nostra tecnologia potrebbe accelerare il processo decisionale dell’IA in applicazioni importanti in termini di tempo, mantenendo un’elevata accuratezza”, ha affermato Huang. “Ci auguriamo che l’integrazione della nostra tecnologia nei dispositivi di edge computing, che elaborano i dati vicino alla loro fonte, faciliterà sistemi di IA più rapidi e intelligenti che serviranno meglio le applicazioni del mondo reale con un consumo energetico ridotto in futuro”, ha proseguito Huang. I neuroni artificiali basati su laser, che possono rispondere ai segnali di input in un modo che imita il comportamento dei neuroni biologici, vengono esplorati come un modo per migliorare significativamente l’informatica grazie alle loro velocità di elaborazione dati ultraveloci e al basso consumo energetico.
Tuttavia, la maggior parte di quelli sviluppati finora sono stati neuroni fotonici spiking. Questi neuroni artificiali hanno una velocità di risposta limitata, possono soffrire di perdita di informazioni e richiedono sorgenti laser e modulatori aggiuntivi. La limitazione della velocità dei neuroni fotonici a picco deriva dal fatto che in genere funzionano iniettando impulsi di input nella sezione di guadagno del laser; ciò causa un ritardo che limita la velocità di risposta del neurone. Per il neurone graduato al laser, i ricercatori hanno utilizzato un approccio diverso iniettando segnali a radiofrequenza nella sezione di assorbimento saturabile del laser a punti quantici, il che evita questo ritardo. Gli scienziati hanno anche progettato pad a radiofrequenza ad alta velocità per la sezione di assorbimento saturabile per produrre un sistema più veloce, più semplice e più efficiente dal punto di vista energetico. “Con potenti effetti di memoria ed eccellenti capacità di elaborazione delle informazioni, un singolo neurone laser graded può comportarsi come una piccola rete neurale”, ha aggiunto Huang. “Pertanto, anche un singolo neurone laser graded senza connessioni complesse aggiuntive può eseguire attività di apprendimento automatico con prestazioni elevate”, ha spiegato Huang. Per dimostrare ulteriormente le capacità del loro neurone laser graded, i ricercatori lo hanno utilizzato per creare un sistema di calcolo del serbatoio.
Questo metodo computazionale utilizza un tipo particolare di rete, noto come serbatoio, per elaborare dati dipendenti dal tempo come quelli utilizzati per il riconoscimento vocale e le previsioni meteorologiche. La dinamica non lineare simile a quella dei neuroni e la velocità di elaborazione rapida del neurone laser graded lo rendono ideale per supportare il calcolo del serbatoio ad alta velocità. Nei test, il sistema di calcolo del serbatoio risultante ha mostrato un eccellente riconoscimento di pattern e previsione di sequenze, in particolare previsioni a lungo termine, in varie applicazioni AI con elevata velocità di elaborazione. Ad esempio, ha elaborato 100 milioni di battiti cardiaci al secondo e ha rilevato pattern aritmici con una precisione media del 98,4%. “In questo lavoro, abbiamo utilizzato un singolo neurone laser graded, ma crediamo che la cascata di più neuroni laser graded sbloccherà ulteriormente il loro potenziale, proprio come il cervello ha miliardi di neuroni che lavorano insieme in reti”, ha evidenziato Huang. “Stiamo lavorando per migliorare la velocità di elaborazione del nostro neurone laser graded, sviluppando anche un’architettura di calcolo deep reservoir che incorpora neuroni laser graded a cascata”, ha concluso Huang. (30Science.com)
