Il Politecnico di Milano sta lavorando da diversi anni allo sviluppo di processori fotonici programmabili integrati su microchip di silicio, dalle dimensioni di pochi millimetri.
Dispositivi che possono avere diverse applicazioni nel campo della trasmissione e dell’elaborazione dei dati e che, ora, sono stati impiegati per la realizzazione di reti neurali fotoniche.
A parlarne è la prestigiosa rivista Science, sulla quale è stato pubblicato lo studio condotto dal Politecnico di Milano in collaborazione con l’Università di Stanford, in California.
Lo studio
Lo studio portato avanti dall’ateneo italiano e da quello statunitense ha dimostrato che è possibile realizzare delle reti neurali estremamente efficienti utilizzando chip fotonici, utili a elaborare segnali luminosi.
I ricercatori del PoliMi hanno spiegato che il dispositivo creato può essere utilizzato sia per applicazioni nel campo delle reti neurali che come unità di calcolo per le diverse applicazioni in cui si renda necessaria la presenza di un’elevata efficienza computazionale.
Ciò significa che esso può essere usato con successo a supporto di acceleratori grafici, di coprocessori matematici o computer quantistici, ma anche per l’estrazione di dati (o data mining) e processi di crittografia.
Un risultato spiegato così dagli stessi ricercatori:
“Le reti neurali sono strutture di calcolo distribuito ispirate alla struttura di un cervello biologico e mirano ad ottenere prestazioni cognitive paragonabili a quelle umane ma con tempi estremamente ridotti. Queste tecnologie sono oggi alla base di sistemi di apprendimento automatico e intelligenza artificiale in grado di percepire l’ambiente e adattare il proprio comportamento analizzando gli effetti delle azioni precedenti e lavorando in autonomia”.
Le reti neurali
Come sottolineato dai ricercatori del Politecnico di Milano e dell’Università di Stanford, sono diverse le applicazioni che le tecnologie riguardanti le reti neurali trovano nella vita di tutti i giorni:
“Sono utilizzate in molti campi di applicazione, come il riconoscimento e sintesi vocale e di immagini, i sistemi di guida autonoma e realtà aumentata, la bioinformatica, il sequenziamento genetico e molecolare, le tecnologie di high performance computing”.
Una moltitudine di funzioni che le reti neurali vengono addestrate a eseguire, fornendo loro un’elevata quantità di informazioni note e che la rete utilizza sulla base delle esperienze apprese.
Un vero e proprio processo di training, il quale risulta spesso molto costoso dal punto di vista energetico.
Al crescere della potenza di calcolo, i consumi delle reti neurali crescono rapidamente, come dichiarato dagli esperti, raddoppiando quasi sempre ogni sei mesi di attività.
Per questo, a detta dei ricercatori, un ruolo sempre più importante è ricoperto dai circuiti fotonici:
“I circuiti fotonici costituiscono una tecnologia molto promettente per le reti neurali perché permettono di realizzare unità di calcolo ad alta efficienza energetica”.
Neuroni a confronto
“Un neurone artificiale, come un neurone biologico, deve compiere operazioni matematiche molto semplici, come somme e moltiplicazioni, ma in una rete neurale costituita da molti neuroni densamente interconnessi, il costo energetico di queste operazioni cresce esponenzialmente e diventa rapidamente proibitivo. Il nostro chip integra un acceleratore fotonico che permette di svolgere i calcoli in modo molto rapido ed efficiente, sfruttando una griglia programmabile di interferometri di silicio. Il tempo di calcolo è pari al tempo di transito della luce in un chip di pochi millimetri. Parliamo, quindi, di meno di un miliardesimo di secondo”.
Le parole pronunciate da Francesco Morichetti, Responsabile del Photonic Devices Lab del Politecnico di Milano, ci aiutano a capire quanto lo studio in questione sia molto importante e possa portare a ulteriori novità nel campo dell’intelligenza artificiale.
È d’accordo anche Andrea Melloni, Direttore di Polifab, ovvero il centro di micro e nanotecnologie del Politecnico di Milano:
“I vantaggi delle reti neurali fotoniche sono noti da tempo ma uno dei tasselli mancanti per sfruttarne pienamente le potenzialità era l’addestramento della rete. È come avere un potente calcolatore ma non sapere come usarlo. In questo studio siamo riusciti a realizzare strategie di addestramento dei neuroni fotonici analoghe a quelle utilizzate per le reti neurali convenzionali. Il cervello fotonico apprende velocemente e accuratamente e può raggiungere precisioni confrontabili a quelle di una rete neurale convenzionale, ma con un notevole risparmio energetico e maggiore velocità. Tutti elementi abilitanti le applicazioni di intelligenza artificiale e quantistiche”.
Uno studio affascinante e che continuerà a essere approfondito.
