(Phys.org)—Quando senti un suono, vengono attivati ​​solo alcuni neuroni nella corteccia uditiva del cervello. Questo perché ogni neurone uditivo è sintonizzato su una certa gamma di suoni, in modo che ogni neurone sia più sensibile di altri a particolari tipi e livelli di suono. In un nuovo studio, i ricercatori hanno progettato un sistema di calcolo neuromorfo ("ispirato dal cervello") che imita questa selettività neurale utilizzando neuroni artificiali sintonizzati sul livello che rispondono preferenzialmente a specifici tipi di stimoli.

Nel futuro, i neuroni sintonizzati sul livello possono aiutare i sistemi di calcolo neuromorfici a svolgere compiti che i computer tradizionali non possono, come imparare dal loro ambiente, riconoscimento del modello, e l'estrazione della conoscenza da fonti di big data.

I ricercatori, Angeliki Pantazi et al ., presso IBM Research-Zurich e École Polytechnique Fédérale de Lausanne, sia in Svizzera, hanno pubblicato un articolo sulla nuova architettura neuromorfa in un recente numero di Nanotecnologia .

Come tutte le architetture di calcolo neuromorfiche, il sistema proposto si basa sui neuroni e sulle loro sinapsi, quali sono le giunzioni in cui i neuroni inviano segnali l'uno all'altro. In questo studio, i ricercatori hanno implementato fisicamente i neuroni artificiali utilizzando materiali a cambiamento di fase. Questi materiali hanno due stati stabili:uno cristallino, stato a bassa resistività e un amorfo, stato ad alta resistività. Proprio come nell'informatica tradizionale, gli stati possono essere commutati mediante l'applicazione di una tensione. Quando la conduttanza del neurone raggiunge una certa soglia, il neurone si accende.

"Abbiamo dimostrato che i dispositivi memristivi basati sul cambiamento di fase possono essere utilizzati per creare neuroni artificiali e sinapsi per archiviare ed elaborare dati, " ha detto il coautore Evangelos Eleftheriou di IBM Research-Zurigo Phys.org . "Un neurone a cambiamento di fase utilizza la configurazione di fase del materiale a cambiamento di fase per rappresentare il suo stato interno, il potenziale di membrana. Per la sinapsi a cambiamento di fase, il peso sinaptico, responsabile della plasticità, è codificato dalla conduttanza del nanodispositivo."

In questa architettura, ogni neurone è sintonizzato su un intervallo specifico, o livello. I neuroni ricevono segnali da molti altri neuroni, e un livello è definito come il contributo cumulativo della somma di questi segnali in ingresso.

"Abbiamo introdotto l'architettura ispirata alla biologia dei neuroni sintonizzati sul livello che è in grado di distinguere diversi modelli in modo non supervisionato, " Eleftheriou ha detto. "Questo è importante per lo sviluppo di ultra-denso, calcolo neuromorfo scalabile ed efficiente dal punto di vista energetico."

Uno dei principali vantaggi di questi neuroni sintonizzati sul livello altamente selettivi è la loro migliore capacità di apprendimento. Nel calcolo neuromorfo, l'apprendimento avviene attraverso ripetuti segnali in ingresso, che rafforza alcune connessioni sinaptiche. I ricercatori hanno dimostrato che i neuroni sintonizzati sul livello sono molto bravi nell'apprendere più schemi di input, anche in presenza di rumore in ingresso.

"Anche un singolo neurone può essere utilizzato per rilevare schemi e scoprire correlazioni in flussi in tempo reale di dati basati su eventi, " Ha detto Eleftheriou. "I neuroni sintonizzati a livello aumentano la capacità di una rete di un singolo neurone per discriminare le informazioni quando più modelli appaiono all'ingresso. neuroni sintonizzati sul livello, insieme alle caratteristiche di alta velocità e bassa energia della loro implementazione basata sul cambiamento di fase, sarà particolarmente utile per varie applicazioni emergenti, come Internet delle cose, che raccolgono e analizzano grandi volumi di informazioni sensoriali e applicazioni per rilevare modelli nelle fonti di dati, come dai social media per scoprire le tendenze, o dati meteo per previsioni in tempo reale, o dati sanitari per rilevare modelli nelle malattie, eccetera."

Nel futuro, i ricercatori hanno in programma di sviluppare ulteriormente il concetto di neuroni artificiali sintonizzati sul livello al fine di progettare reti neurali potenziate su larga scala.

"Esamineremo compiti computazionali più complessi basati su neuroni artificiali e le loro sinapsi, " Ha detto Eleftheriou. "Siamo interessati a studiare il potenziale di ridimensionamento e le applicazioni di tali sistemi neuromorfici nei sistemi di calcolo cognitivo".

© 2016 Phys.org