Dagli algoritmi di ottimizzazione combinatoria alle reti neurali artificiali (NN), negli ultimi decenni i moderni computer digitali hanno conosciuto un incredibile sviluppo, e tuttavia fanno fatica a stare al passo con la tendenza in crescita di applicazioni ad alta densità operativa.
L’intelligenza artificiale, in particolare il machine learning, richiede una capacità di elaborare quantità di dati sempre più estese e complesse.
Uno dei maggiori ostacoli risiede nella stessa architettura dei computer digitali, nota come architettura di Von Neumann , dal nome del suo ideatore. Nel modello Von Neumann, infatti, la memoria e il processore sono fisicamente separate, per cui l’elaborazione delle informazioni richiede un passaggio continuo tra processore e memoria, causando tempi di latenza nel calcolo e consumo extra di energia.
Anche nel caso di computazione in parallelo attraverso l’uso di più di un processore, come per esempio nelle Graphic Processor Units, l’architettura di calcolo rimane analoga e l’elaborazione delle informazioni soffre dello stesso “collo di bottiglia” di Von Neumann.
Un percorso fondamentalmente diverso è quello che cerca di riprodurre l’elaborazione delle informazioni ispirandosi al funzionamento del cervello, portando la memoria o il segnale il più vicino possibile alle unità di elaborazione, ottenendo così vantaggi in termini di velocità ed efficienza.
I calcolatori fotonici offrono interessanti prospettive in questa direzione. Utilizzando materiali con specifiche qualità ottiche, possono manipolare le onde di luce che vi passano attraverso per svolgere diversi calcoli matematici. In questo modo riescono a riprodurre la struttura neuronale del cervello gestendo input ad alta dimensione, come nel caso delle immagini – in cui arrivano molte informazioni contemporaneamente – e di elaborarli in parallelo utilizzando una memoria distribuita lungo la rete.
Per capire come funziona immaginiamo una biblioteca che invece di avere i libri da consultare stipati in un unico luogo, ha i libri disseminati lungo i corridoi. Questo permette di non dover fare lunghi percorsi per consultarli ogni volta ma di poter accedere agli scaffali più vicini al punto in cui ci si trova di volta in volta.
Fino a questo momento i risultati più interessanti si sono avuti con architetture elettro-ottiche, dove si utilizza una combinazione di ottica ed elettronica. La sfida, adesso, è quella di riuscire a implementare un sistema solo ottico capace di eseguire operazioni lineari e non lineari , requisito essenziale per realizzare reti neurali fotoniche di tipo “deep”, ovvero a più livelli di computazione .
Un recente lavoro dal titolo “Large-scale Photonic Computing with Nonlinear disordered Media“, pubblicato su Nature Computational Science, offre una interessante prospettiva legata al tipo di materiale da utilizzare.
La ricerca è frutto di una collaborazione internazionale tra gruppi di ricerca dell’Università Sorbona di Parigi , dell’ETH di Zurigo, della Tzingua University di Pechino e del Centro ricerche Enrico Fermi.
I ricercatori hanno sperimentato l’utilizzo di una lastra micrometrica di di niobato di litio, ottenuta assemblando nanoparticelle del materiale in maniera disordinata con spessore controllato. Si tratta di materiali con una struttura policristallina ad alto coefficiente di non linearità di secondo ordine che per la loro composizione possono generare una luce non lineare con scattering multiplo.
« In pratica creano molteplici cammini per la luce che formano una rete di collegamenti, e simultaneamente cambiano il colore della luce che li attraversa.» ha detto Romolo Savo del CREF «Questi due fenomeni permettono di eseguire alcune tra le operazioni matematiche tipiche delle reti neurali in modo analogico, con il grande vantaggio di poter aumentare la quantità di informazione elaborata senza aumentare il costo energetico del processo».
Questa tipologia di computer fotonico potrebbe permettere lo sviluppo di di sistemi di intelligenza artificiale caratterizzati da maggiore velocità di calcolo, maggiore efficienza energetica e minor impatto ambientale.
Contacts:
romolo.savo@cref.it
