(Phys.org)—I ricercatori hanno proposto un nuovo tipo di neurone artificiale chiamato "neurone di spin straintronico" che potrebbe servire come unità di base delle reti neurali artificiali, sistemi modellati sul cervello umano che hanno la capacità di calcolare, imparare, e adattarsi. Rispetto ai modelli precedenti, il nuovo neurone artificiale è potenzialmente ordini di grandezza più efficiente dal punto di vista energetico, più robusto contro il degrado termico, e spara a una velocità maggiore.

I ricercatori, Ayan K. Biswas, Professor Jayasimha Atulasimha, e il professor Supriyo Bandyopadhyay alla Virginia Commonwealth University di Richmond, hanno pubblicato un articolo sul neurone spin straintronic in un recente numero di Nanotecnologia .

Come spiegano gli scienziati, trovare un modo efficace per imitare i neuroni reali è essenziale per realizzare il pieno potenziale delle reti neurali artificiali, eppure questo compito si è rivelato difficile.

"La maggior parte dei computer è di natura digitale ed elabora le informazioni utilizzando la logica booleana, "Bandyopadhyay ha detto Phys.org . "Però, ci sono alcuni compiti computazionali che sono più adatti per il "calcolo neuromorfico, ' che si basa su come il cervello umano percepisce ed elabora le informazioni. Ciò ha ispirato il campo delle reti neurali artificiali, che ha fatto grandi progressi nel secolo scorso, ma alla fine è stato ostacolato da un'impasse hardware. L'elettronica utilizzata per implementare neuroni e sinapsi artificiali impiega transistor e amplificatori operazionali, che dissipano enormi quantità di energia sotto forma di calore e consumano grandi quantità di spazio su un chip. Questi inconvenienti rendono la gestione termica sul chip estremamente difficile e il calcolo neuromorfico meno attraente di quanto dovrebbe essere.

"Fortunatamente, ci sono altri modi per implementare i neuroni, come con i dispositivi magnetici. Si pensava che i dispositivi magnetici dissipassero molto meno calore, ma quello che abbiamo scoperto è che non dissipano necessariamente meno calore in tutte le circostanze. La dissipazione del calore dipende da come i dispositivi magnetici vengono commutati per imitare il funzionamento di un neurone. Se sono commutati con corrente, che è il solito approccio, poi non disperdono tanto meno calore, e, in alcune circostanze, può persino dissipare più calore dei transistor.

"Però, esiste un modo per commutare alcuni tipi di magneti con sollecitazioni meccaniche generate da una tensione elettrica. Abbiamo scoperto che se i magneti vengono commutati con questo approccio, quindi i neuroni magnetici sono davvero molto meno dissipativi sia delle loro controparti basate su transistor che delle controparti magnetiche a commutazione di corrente. Questo è il "neurone spin straintronico", ' e potrebbe fornire una spinta all'hardware di elaborazione delle informazioni neuromorfiche".

Come spiegano i ricercatori, il neurone di spin straintronic proposto si basa su una giunzione magneto-tunneling, che è una struttura a tre strati costituita da un nanomagnete duro, uno strato distanziatore, e un nanomagnete magnetostrittivo morbido posto sopra un film piezoelettrico. L'applicazione di impulsi di tensione al neurone genera una deformazione nel film piezoelettrico, che viene parzialmente trasferito al nanomagnete magnetostrittivo morbido. Quando la deformazione nel nanomagnete supera un valore di soglia, la magnetizzazione ruota bruscamente, che modifica la resistenza della giunzione magneto-tunneling tra due stati stabili. Il brusco cambiamento di tensione attraverso il dispositivo imita l'attivazione del neurone.

"La straordinaria efficienza energetica del neurone di spin straintronic è dovuta al fatto che ci vuole pochissima tensione per commutare la magnetizzazione di un nanomagnete magnetostrittivo morbido accoppiato elasticamente a un film piezoelettrico - un sistema noto come "multiferroico a due fasi" - come purché il nanomagnete magnetostrittivo sia costituito da una classe speciale di materiali che hanno una magnetostrizione molto elevata, come Terfenol-D, " hanno spiegato i ricercatori.

Oltre ad essere più efficiente dal punto di vista energetico, il neurone di spin di straintronic è anche molto più resistente al rumore termico rispetto ai neuroni di spin guidati dalla corrente. A temperature superiori a 0 K, il rumore termico crea una coppia casuale aggiuntiva sulla magnetizzazione di qualsiasi nanomagnete, che aumenta la probabilità che il neurone si attivi prima di raggiungere la tensione di soglia o non si attivi dopo aver raggiunto la tensione di soglia.

Questo effetto deleterio può essere combattuto aumentando la corrente di soglia per l'attivazione (nel caso di neuroni di spin guidati dalla corrente) o la tensione di soglia per l'attivazione (nel caso di neuroni di spin straintronic guidati dalla tensione), ma questo aumenterà anche la dissipazione di energia. Qui, i ricercatori hanno dimostrato che il compromesso tra efficienza energetica e affidabilità favorisce in modo schiacciante il neurone di spin straintronic rispetto ai neuroni di spin guidati dalla corrente, che si stima disperdano diversi ordini di grandezza in più di energia.

Con questi vantaggi, I neuroni spin di straintronic potrebbero avere una varietà di applicazioni nel calcolo neurale.

"Quello che abbiamo studiato è un perceptron, che è un modello matematico del neurone artificiale, " Ha detto Atulasimha. "Ci sono molte possibili applicazioni di questo nel calcolo neurale. Un'area che ci interessa è la plasticità dipendente dal tempo di picco, che è una forma di apprendimento hebbiano. È opinione diffusa che sia alla base dell'apprendimento e della memorizzazione delle informazioni nel cervello, e c'è una vasta letteratura che si occupa di questo. I neuroni di spin Straintronic vengono attivati ​​da impulsi di tensione, e ci sono percorsi chiari per adattarli al modello di plasticità dipendente dal tempo di picco. Siamo anche interessati al riconoscimento del carattere, che utilizza reti feed-forward e compressione delle immagini. Ciò non esclude altro. Ovunque la dissipazione del calore è uno spoiler, il neurone spin straintronic potrebbe essere in grado di offrire una soluzione".

I prossimi passi per i ricercatori riguarderanno la fabbricazione dei dispositivi fisici.

"La prova del budino è sempre nel mangiare, " Biswas ha detto. "Prima o poi, questo dispositivo dovrà essere dimostrato sperimentalmente. Il nostro gruppo ha dimostrato sperimentalmente la commutazione della magnetizzazione di un magnete con la deformazione in molti sistemi diversi e ci impegneremo a dimostrare il neurone di spin straintronic in futuro".

© 2015 Phys.org