Ricercatori giapponesi hanno sviluppato una tecnica per far crescere connessioni di fili polimerici conduttivi tra gli elettrodi per realizzare reti neurali artificiali che superano i limiti dell'hardware del computer tradizionale
Il cervello umano possiede un'eccezionale capacità di elaborazione delle informazioni grazie all'architettura 3D e alla rete densa di numerosi neuroni e sinapsi. Anche l'hardware neuromorfico ispirato al cervello può trarre vantaggio dalle architetture 3D, come l'elevata integrazione di circuiti e l'acquisizione di sistemi dinamici altamente complessi.
Lo sviluppo di reti neurali per creare intelligenza artificiale nei computer è stato originariamente ispirato dal funzionamento dei sistemi biologici. Queste reti “neuromorfiche”, tuttavia, funzionano su hardware che non assomiglia affatto a un cervello biologico, il che limita le prestazioni. Ora, una ricerca pubblicata su Advanced Functional Materials (1) suggerisce che i ricercatori dell'Osaka University e della Hokkaido University hanno in programma di cambiare questa situazione creando “wetware” neuromorfici.
Sebbene i modelli di rete neurale abbiano ottenuto un notevole successo in applicazioni come la generazione di immagini e la diagnosi del cancro, sono ancora molto indietro rispetto alle capacità generali di elaborazione del cervello umano. In parte, ciò è dovuto al fatto che sono implementati nel software utilizzando l'hardware del computer tradizionale che non è ottimizzato per i milioni di parametri e connessioni che questi modelli richiedono in genere.
Il wetware neuromorfico, basato su dispositivi memristivi, potrebbe risolvere questo problema. Un dispositivo memristivo è un dispositivo la cui resistenza è impostata dalla sua storia di tensione e corrente applicate. In questo approccio, l'elettropolimerizzazione viene utilizzata per collegare elettrodi immersi in una soluzione precursore utilizzando fili realizzati in polimero conduttivo. La resistenza di ciascun filo viene quindi sintonizzata utilizzando piccoli impulsi di tensione, risultando in un dispositivo memristivo.
«Il potenziale per creare reti veloci ed efficienti dal punto di vista energetico è stato dimostrato utilizzando strutture 1D o 2D», afferma l'autrice senior Megumi Akai-Kasaya (2). «Il nostro obiettivo era estendere questo approccio alla costruzione di una rete 3D».
I ricercatori sono stati in grado di coltivare fili polimerici da una comune miscela polimerica chiamata “PEDOT:PSS”, che è altamente conduttiva, trasparente, flessibile e stabile. Una struttura 3D di elettrodi superiore e inferiore è stata prima immersa in una soluzione precursore. I fili “PEDOT:PSS” sono stati quindi cresciuti tra elettrodi selezionati applicando una tensione ad onda quadra su questi elettrodi, imitando la formazione di connessioni sinaptiche attraverso la guida degli assoni in un cervello immaturo.
Una volta formato il filo, le caratteristiche di esso, in particolare la conduttanza, sono state controllate mediante piccoli impulsi di tensione applicati a un elettrodo, che modificano le proprietà elettriche della pellicola che circonda i fili.
«Il processo è continuo e reversibile», spiega l'autore principale Naruki Hagiwara, «e questa caratteristica è ciò che consente alla rete di essere addestrata, proprio come le reti neurali basate su software».
La rete fabbricata è stata usata per dimostrare l'apprendimento hebbiano senza supervisione (cioè, quando le sinapsi che spesso si attivano insieme rafforzano la loro connessione condivisa nel tempo). Inoltre, i ricercatori sono stati in grado di controllare con precisione i valori di conduttanza dei fili in modo che la rete potesse completare i suoi compiti. Anche l'apprendimento basato su picchi, un altro approccio alle reti neurali che imita più da vicino i processi delle reti neurali biologiche, è stato dimostrato controllando il diametro e la conduttività dei fili.
Successivamente, fabbricando un chip con un numero maggiore di elettrodi e utilizzando canali microfluidici per fornire la soluzione precursore a ciascun elettrodo, i ricercatori sperano di costruire una rete più ampia e più potente. Nel complesso, l'approccio determinato in questo studio è un grande passo verso la realizzazione del wetware neuromorfico e colmare il divario tra le capacità cognitive degli esseri umani e dei computer.
Riferimenti:
(1) Fabrication and Training of 3D Conductive Polymer Networks for Neuromorphic Wetware
Descrizione foto: Immagini al microscopio ottico del cablaggio polimerico 3D tra un elettrodo superiore (TE) e tre elettrodi inferiori (BE) alla distanza verticale dalla superficie del substrato di vetro z = 0 e 100 µm. - Credit: 2023 Naruki Hagiwara et al., Advanced Functional Materials.
Autore traduzione riassuntiva e adattamento linguistico: Edoardo Capuano / Articolo originale: Growing bio-inspired polymer brains for artificial neural networks