// TOM'S HARDWARE ITALIA — INTELLIGENZA ARTIFICIALE
Sinapsi magnetiche a temperatura ambiente: l'IA consumerà meno?
Una collaborazione internazionale che coinvolge l’Università di Edimburgo ha dimostrato un dispositivo capace di riprodurre il comportamento di sinapsi artificiali attraverso minuscole strutture magnetiche, operando a temperatura ambiente. La ricerca, pubblicata su Advanced Materials e presentata di recente dall’ateneo, propone un meccanismo per regolare in modo riproducibile i collegamenti artificiali utilizzati nel calcolo ispirato al cervello.
Il lavoro affronta un problema dell’architettura dei computer: il trasferimento continuo di informazioni fra memoria e unità di elaborazione comporta un costo energetico. Il calcolo neuromorfico cerca di avvicinare queste due funzioni, prendendo spunto dalle reti biologiche. In una rete artificiale, la forza di ciascun collegamento è rappresentata da un valore, chiamato peso sinaptico, che influenza l’elaborazione dei segnali.
I protagonisti dell’esperimento sono gli skyrmion magnetici, configurazioni dei momenti magnetici simili a vortici su scala nanometrica. I ricercatori hanno utilizzato il Fe₃GaTe₂, un materiale ferromagnetico bidimensionale della famiglia dei materiali di van der Waals. Le dimensioni ridotte e la capacità degli skyrmion di conservare informazione li rendono candidati per dispositivi che combinano memoria ed elaborazione.
Alcuni approcci precedenti regolavano la risposta della sinapsi creando o distruggendo singoli skyrmion, processi influenzati dalla probabilità e quindi difficili da riprodurre con precisione. Il nuovo dispositivo sfrutta una trasformazione magnetica collettiva: un reticolo di skyrmion evolve verso domini magnetici a strisce. Secondo lo studio, questo cambiamento coordinato produce una risposta deterministica, cioè prevedibile nelle condizioni sperimentali impiegate.
Il segnale utilizzato per leggere tale trasformazione è la resistenza Hall anomala, una proprietà elettrica legata allo stato magnetico del materiale. La sua variazione risulta lineare e riproducibile; la pendenza della risposta rappresenta il peso sinaptico e viene regolata modificando la durata degli impulsi elettrici. Il dispositivo può così esprimere più pesi ed eseguire operazioni di moltiplicazione e accumulo, fondamentali nelle reti neurali.
Per dispositivi ulteriormente miniaturizzati, gli autori stimano un consumo di circa 0,66 picojoule per operazione, paragonabile a quello di tecnologie memristive avanzate, fra cui memorie resistive e memorie a cambiamento di fase. La cifra è una proiezione legata alla riduzione delle dimensioni del dispositivo e non una misura del risparmio ottenibile da un sistema completo di intelligenza artificiale.
Il gruppo ha inoltre inserito le caratteristiche misurate della sinapsi in una simulazione di reti neurali quantizzate, che rappresentano i valori numerici con una precisione limitata. Nel riconoscimento di cifre scritte a mano, la rete simulata ha raggiunto un’accuratezza di circa il 96,1%, collegando il comportamento elettrico osservato in laboratorio a una prova concreta di classificazione.
Aggiungi Tom's Hardware alle tue fonti preferite su Google