(AGENPARL) - Roma, 30 Gennaio 2024 - (AGENPARL) – mar 30 gennaio 2024 COMUNICATO STAMPA 09/2024
Apprendimento emergente: una nuova strategia ottica per la
computazione del futuro
Uno studio condotto dal Consiglio nazionale delle ricerche e dall’Istituto Italiano di Tecnologia
ha portato allo sviluppo di una nuova architettura neuromorfica che, accelerando sia
l’addestramento che il funzionamento dei classificatori della rete neurale, riduce
significativamente il consumo energetico. I risultati del lavoro, un approccio pionieristico che
apre allo sviluppo di piattaforme innovative di memoria fotonica, sono stati pubblicati sulla
rivista Nature Communications
L’intelligenza artificiale (AI) e il deep learning -o “apprendimento profondo”, una tecnica che
utilizza algoritmi progettati per funzionare in modo simile al cervello umano, richiedono nella fase
di addestramento intensivo delle risorse una considerevole potenza di calcolo e dati, spesso
consumando energia equivalente a quella di una piccola città.
Un team di ricercatori dell’Istituto di nanotecnologia del Consiglio nazionale delle ricerche di
Roma (Cnr-Nanotec) e del Center for Life Nano & Neuro-Science dell’Istituto Italiano di
Tecnologia (IIT) di Roma ha introdotto una nuova architettura neuromorfica che mostra notevoli
progressi, accelerando sia l’addestramento che il funzionamento dei classificatori della rete
neurale, riducendo significativamente il consumo energetico. Il risultato dello studio è pubblicato
di recente sulla rivista Nature Communications.
“L’hardware neuromorfico, ossia ispirato al cervello umano, presenta un’architettura informatica
rivoluzionaria in grado di migliorare sostanzialmente le prestazioni e l’efficienza energetica
nell’addestramento dell’AI rispetto alle generazioni precedenti. Le architetture fotoniche – ovvero
i circuiti basati sulla luce invece che sull’elettronica – offrono, in aggiunta, una promettente via
per accelerare ulteriormente i processi di addestramento garantendo operazioni velocissime”
spiega Marco Leonetti ricercatore del Cnr-Nanotec e ideatore dello studio.
Gli autori del lavoro hanno introdotto un paradigma che trae ispirazione dal concetto di
archiviazione di memoria emergente del cervello umano. Tale paradigma funziona in modo
analogo al nostro sistema sensoriale che incontra molteplici rappresentazioni di oggetti
appartenenti alla stessa classe (per esempio, molteplici “bicchieri” di forme, colori, e materiali
diversi) e, con un processo di mediazione, amalgama i diversi esempi realizzando l’archetipo
associato alla classe (l’elemento di memoria “bicchiere”). Questo processo di generalizzazione,
chiamato “archetipo emergente” ci permette di riconoscere qualsiasi “bicchiere”,
indipendentemente dalla specifica foggia con cui si presenti.
“Dal processo di mediazione emerge un elemento di memoria quasi privo di imperfezioni che
rappresenta la classe”, aggiunge Giancarlo Ruocco ricercatore al Center for Life Nano- & NeuroScience dell’Istituto Italiano di Tecnologia di Roma nonché professore ordinario all’Università La
Sapienza e co-autore dello studio. “Analogamente”, conclude Giancarlo Ruocco, “nella
conduzione dello studio, abbiamo utilizzato delle strutture luminose casuali, generate tramite un
laser e un mezzo auto-assemblato simile ad una goccia di vernice bianca, che richiedono un
processo di fabbricazione estremamente semplice ed economico. La memoria emergente risulta
dalla somma delle intensità luminose prodotte dalle numerose strutture luminose imperfette
generate dal mezzo dispersivo. In tale processo additivo, le singole differenti imperfezioni vengono
“mediate” generando un singolo pattern privo di errori”.
L’approccio pionieristico che caratterizza lo studio apre allo sviluppo di piattaforme innovative di
memoria fotonica ossia memorie in cui si immagazzinano proprietà ottiche invece che elettroniche
e che quindi hanno un intrinseco vantaggio dal punto di vista della velocità. L’apprendimento
emergente ha pertanto il potenziale per inaugurare una nuova era di apprendimento automatico
con costi computazionali, economici ed energetici, significativamente ridotti sia fase di
addestramento che di utilizzo.
Roma, 30 gennaio 2024
Didascalia immagine: Photonic Stochastic Emergent Storage: un dettaglio del setup sperimentale
con il quale vengono costruiti, rilevati, e classificati gli elementi di memoria fotonici tramite laser
e dispositivi di controllo ottico (Credits: NatureCommunications)
La scheda
Chi: Istituto di Nanotecnologia (Cnr-Nanotec); Center for Life Nano- & Neuro-Science – Istituto
Italiano di Tecnologia e Università La Sapienza
Che cosa: “Photonic Stochastic Emergent Storage for Deep Classification by Scattering-Intrinsic
Patterns”, Marco Leonetti, Giorgio Gosti and Giancarlo Ruocco
Nature Communication 15, 505 (2024). https://doi.org/10.1038/s41467-023-44498-z
Responsabile
Comunicazione
Cnr-Nanotec:
Gabriella
Zammillo,
Cnr-Nanotec,
pubblicare).
Seguici su
Trending
- Sbarco: Umberto Galimberti a “Fare memoria per costruire la pace
- Comunicato stampa: “La cura che connette”: il 3 dicembre un convegno all’Ospedale di Treviglio per la Giornata internazionale delle persone con disabilità
- Corso di formazione per gli addetti alla preparazione degli alimenti nella ristorazione pubblica
- RICORDIAMO OGGI IN PRESIDENZA E IN FIERA DEL LEVANTE
- SAISON CULTURELLE 2026/2027 – Musica, comicità e opera lirica: i prossimi appuntamenti della sezione Spectacle della Saison Culturelle 2026/2027
- L’abete di Terranova del Pollino in piazza San Pietro
- News Release – City of Toronto ushers in the 2026-2030 Toronto City Council term
- Agenzia nr. 2187 – Insediamento nuovo Procuratore Aggiunto a Brindisi. Caroli: ‘Ampia disponibilità e massima sinergia con la Commissione
- Antisemitismo, Cecchetti (Lega): Piena solidarietà a Meghnagi e Fadlun. Vili minacce che confermano la necessità della legge
- Agenzia nr. 2186 – Vurchio: “Fare impresa nella Bat deve tornare a essere un’opportunità. Serve una strategia per il territorio
