Un gruppo di ricerca del Politecnico di Milano ha sviluppato un nuovo circuito informatico in grado di eseguire operazioni avanzate, tipico delle reti neurali per l'intelligenza artificiale, in una sola operazione.

Le prestazioni del circuito in termini di velocità e consumo energetico aprono la strada a una nuova generazione di acceleratori di calcolo dell'intelligenza artificiale più efficienti dal punto di vista energetico e più sostenibili su scala globale. Lo studio è stato recentemente pubblicato sulla prestigiosa Progressi scientifici .

Riconoscere un volto o un oggetto, o interpretare correttamente una parola o un motivo musicale sono operazioni oggi possibili sui più comuni gadget elettronici, come smartphone e tablet, grazie all'intelligenza artificiale Perché ciò accada, le reti neurali complesse devono essere adeguatamente addestrate, che è così energicamente esigente che, secondo alcuni studi, l'impronta di carbonio che deriva dall'addestramento di una rete neurale complessa può eguagliare l'emissione di 5 auto durante tutto il loro ciclo di vita.

Per ridurre il tempo e il consumo di energia della formazione, si dovrebbero sviluppare circuiti che siano radicalmente diversi dall'approccio convenzionale e che siano in grado di mimare più accuratamente la struttura delle reti neurali e le caratteristiche delle sinapsi biologiche. Un tipico esempio è il concetto di elaborazione in memoria, dove i dati vengono elaborati direttamente all'interno della memoria, esattamente come nel cervello umano.

Sulla base di questa analogia, il gruppo di ricerca del Politecnico di Milano ha sviluppato un nuovo circuito in grado di eseguire una funzione matematica nota come regressione in una sola operazione. A tale scopo utilizzano una memoria resistiva, noto anche come memristore, un dispositivo in grado di memorizzare qualsiasi dato (ad esempio il valore di un'azione in un determinato momento) nel valore della sua resistenza. Disponendo questi elementi di memoria all'interno di un array della dimensione di pochi micrometri (pochi milionesimi di metro), il gruppo del Politecnico di Milano è stato in grado di eseguire una regressione lineare su un gruppo di dati.

Questa operazione è in grado di determinare la retta che meglio descrive una sequenza di dati, permettendo, ad esempio, prevedere l'andamento del mercato azionario sulla base di un semplice modello lineare. Regressione logistica, che consente la classificazione dei dati all'interno di un database, è stato anche dimostrato. Questa funzione è essenziale per i cosiddetti sistemi di raccomandazione, che sono uno strumento di marketing fondamentale per gli acquisti online.