Anche se la potenza dei nostri computer moderni cresce in modo esponenziale, i sistemi biologici, come il nostro cervello, rimangono le macchine di apprendimento per eccellenza. Trovando materiali che agiscono in modi simili ai meccanismi che la biologia usa per conservare ed elaborare le informazioni, gli scienziati sperano di trovare indizi per aiutarci a costruire computer più intelligenti.

Ispirati dall'oblio umano, il modo in cui il nostro cervello scarta i dati non necessari per fare spazio a nuove informazioni, gli scienziati dell'Argonne National Laboratory del Dipartimento dell'Energia degli Stati Uniti (DOE), in collaborazione con il Brookhaven National Laboratory e tre università, ha condotto uno studio recente che ha combinato la simulazione del supercomputer e la caratterizzazione a raggi X di un materiale che gradualmente "dimentica". Questo potrebbe un giorno essere utilizzato per l'elaborazione avanzata di ispirazione biologica.

"È difficile creare un materiale non vivente che mostri uno schema che assomigli a una sorta di dimenticanza, ma il materiale specifico con cui stavamo lavorando può effettivamente imitare quel tipo di comportamento, " disse il subramaniano Sankaranarayanan, Nanoscienziato di Argonne e autore di studi.

"Il cervello ha capacità limitate, e può funzionare in modo efficiente solo perché è in grado di dimenticare, " disse il subramaniano Sankaranarayanan, un nanoscienziato delle Argonne e autore di studi. "È difficile creare un materiale non vivente che mostri uno schema che assomigli a una sorta di dimenticanza, ma il materiale specifico con cui stavamo lavorando può effettivamente imitare quel tipo di comportamento".

Il materiale, chiamata perovskite quantistica, offre ai ricercatori un modello non biologico più semplice di come potrebbe apparire la "dimenticanza" a livello elettronico. La perovskite mostra una risposta adattiva quando i protoni vengono ripetutamente inseriti e rimossi che ricorda la desensibilizzazione del cervello a uno stimolo ricorrente.

Quando gli scienziati inizialmente aggiungono o rimuovono un protone (H+) dalla perovskite (SmNiO ₃ (SNO)) reticolo, la struttura atomica del materiale si espande o si contrae drammaticamente per accoglierlo in un processo chiamato "respirazione reticolare". Ma quando questo accade più e più volte, il comportamento del materiale si evolve in modo tale da ridurre la respirazione del reticolo:la "minaccia" protonica non causa più l'iperventilazione del materiale.

"Infine, diventa più difficile "curare" la perovskite se stiamo aggiungendo o rimuovendo un protone, " disse Hua Zhou, un fisico coinvolto nella caratterizzazione del comportamento del materiale utilizzando i raggi X forniti dall'Advanced Photon Source (APS) di Argonne, una struttura per gli utenti dell'Office of Science del DOE. "È come quando ti spaventi molto su uno scivolo d'acqua la prima volta che scendi, ma ogni volta dopo hai sempre meno reazioni."

Poiché il materiale risponde ai protoni che gli scienziati aggiungono e sottraggono, la sua capacità di resistere a una corrente elettrica può essere gravemente compromessa. Questo comportamento consente di programmare efficacemente il materiale, come un computer, dal doping protonico. Essenzialmente, uno scienziato potrebbe inserire o rimuovere protoni per controllare se la perovskite consentirebbe o meno una corrente.

I ricercatori hanno recentemente spinto per sviluppare materiali non a base di silicio, come perovskiti, per l'informatica perché il silicio fatica a utilizzare l'energia nel modo più efficiente. Gli scienziati possono utilizzare le perovskiti nelle macchine per l'apprendimento su tutta la linea. Ma gli scienziati possono anche sfruttare le proprietà della perovskite utilizzandole come base per modelli computazionali di sistemi di apprendimento biologico più complessi.

"Queste simulazioni, che corrispondono abbastanza da vicino ai risultati sperimentali, stanno ispirando algoritmi completamente nuovi per addestrare le reti neurali ad apprendere, " Disse Zhu.

Il materiale perovskite e gli algoritmi di rete neurale risultanti potrebbero aiutare a sviluppare un'intelligenza artificiale più efficiente in grado di riconoscere i volti, ragionamento e processo decisionale simile a quello umano. Gli scienziati stanno continuando la ricerca per scoprire altri materiali con queste proprietà simili al cervello e nuovi modi per programmare questi materiali.

Finalmente, a differenza del silicio, la cui struttura elettronica può essere facilmente descritta utilizzando semplici modelli informatici, la comprensione del materiale perovskite richiede simulazioni computazionalmente intensive per catturare come la sua struttura reagisce al doping protonico.

"Un quadro classico non si applica a questo sistema complesso, " disse Sankaranarayanan, che ha contribuito a creare modelli complessi del comportamento della perovskite presso l'Argonne's Center for Nanoscale Materials e l'Argonne Leadership Computing Facility, entrambe le strutture per gli utenti dell'Ufficio delle scienze del DOE. "Gli effetti quantistici dominano, quindi ci vogliono simulazioni molto impegnative dal punto di vista computazionale per mostrare come il protone si muove all'interno della struttura".

Questo tipo di ricerca completa è una capacità unica del campus interdisciplinare di Argonne, dove gli scienziati possono condividere facilmente idee e risorse.

Uno studio basato sulla ricerca, "La plasticità sinaptica basata sull'abitudine e l'apprendimento organismico in una perovskite quantistica, " apparso nel numero online del 14 agosto di Comunicazioni sulla natura .