Notizia

Apr 12, 2023

Revisione dei memristor ottici: far luce sul calcolo neuromorfico

June 5, 2023 This article

5 giugno 2023

Questo articolo è stato rivisto in base al processo editoriale e alle politiche di Science X. Gli editori hanno evidenziato i seguenti attributi garantendo al tempo stesso la credibilità del contenuto:

verificato

pubblicazione sottoposta a revisione paritaria

fonte attendibile

correggere le bozze

dall'Università di Pittsburgh

L’intelligenza artificiale, l’apprendimento automatico e ChatGPT potrebbero essere parole d’ordine relativamente nuove nel pubblico dominio, ma sviluppare un computer che funzioni come il cervello e il sistema nervoso umani, sia hardware che software combinati, è stata una sfida lunga decenni. Gli ingegneri dell'Università di Pittsburgh stanno oggi esplorando come i "memristori" ottici possano essere una chiave per lo sviluppo del calcolo neuromorfico.

I resistori con memoria, o memristori, hanno già dimostrato la loro versatilità in elettronica, con applicazioni come elementi di circuiti computazionali nel calcolo neuromorfico ed elementi di memoria compatti nell'archiviazione di dati ad alta densità. Il loro design unico ha aperto la strada all'in-memory computing e ha catturato un notevole interesse da parte di scienziati e ingegneri.

Un nuovo articolo di revisione pubblicato su Nature Photonics, intitolato "Integrated Optical Memristors", fa luce sull'evoluzione di questa tecnologia e sul lavoro che deve ancora essere fatto affinché raggiunga il suo pieno potenziale.

Guidato da Nathan Youngblood, assistente professore di ingegneria elettrica e informatica presso la Swanson School of Engineering dell'Università di Pittsburgh, l'articolo esplora il potenziale dei dispositivi ottici analoghi ai memristor elettronici. Questa nuova classe di dispositivi potrebbe svolgere un ruolo importante nel rivoluzionare il calcolo neuromorfico a larghezza di banda elevata, l’hardware di apprendimento automatico e l’intelligenza artificiale nel dominio ottico.

"I ricercatori sono davvero affascinati dai memristor ottici per il loro incredibile potenziale nel calcolo neuromorfico a larghezza di banda elevata, nell'hardware per l'apprendimento automatico e nell'intelligenza artificiale", ha spiegato Youngblood. "Immagina di unire gli incredibili vantaggi dell'ottica con l'elaborazione locale delle informazioni. È come aprire la porta a un regno completamente nuovo di possibilità tecnologiche precedentemente inimmaginabili."

L'articolo di revisione presenta una panoramica completa dei recenti progressi in questo campo emergente dei circuiti integrati fotonici. Esplora l'attuale stato dell'arte ed evidenzia le potenziali applicazioni dei memristor ottici, che combinano i vantaggi della comunicazione ottica ultraveloce e con larghezza di banda elevata con l'elaborazione locale delle informazioni. Tuttavia, la scalabilità è emersa come la questione più urgente che la ricerca futura dovrebbe affrontare.

"L'incremento dell'in-memory o del calcolo neuromorfico nel dominio ottico è una sfida enorme. Avere una tecnologia veloce, compatta ed efficiente rende il ridimensionamento più realizzabile e rappresenterebbe un enorme passo avanti", ha spiegato Youngblood.

"Un esempio delle limitazioni è che se si prendessero materiali a cambiamento di fase, che attualmente hanno la più alta densità di stoccaggio per la memoria ottica, e si tentasse di implementare una rete neurale relativamente semplicistica su chip, ci vorrebbe un wafer delle dimensioni di un laptop in grado di contenere tutte le celle di memoria necessarie", ha continuato. "Le dimensioni contano per la fotonica e dobbiamo trovare un modo per migliorare la densità di stoccaggio, l'efficienza energetica e la velocità di programmazione per eseguire calcoli utili su scale utili."

I memristor ottici possono rivoluzionare il calcolo e l'elaborazione delle informazioni in diverse applicazioni. Possono consentire il trimming attivo dei circuiti integrati fotonici (PIC), consentendo di regolare e riprogrammare i sistemi ottici su chip secondo necessità senza consumare continuamente energia. Offrono inoltre archiviazione e recupero dei dati ad alta velocità, promettendo di accelerare l'elaborazione, ridurre il consumo di energia e consentire l'elaborazione parallela.