Sistemi e biointerfacce intelligenti e neuromorfe
Referente: Erokhin Victor
Sistemi Neuromorfi e Intelligenza Artificiale

L’attività si basa su una nuova classe di elementi, i Dispositivi Memristivi Organici (OMD), che mimano diverse proprietà importanti delle sinapsi naturali. In particolare, sono stati usati come elemento chiave per l’implementazione artificiale di circuiti e sistemi bio-ispirati, permettendo l’apprendimento associativo a livello di hardware; per la realizzazione di perceptroni a singolo e doppio strato; primi passi verso le protesi sinaptiche; realizzazioni di reti auto assemblate con architettura stocastica e alto livello di integrazione,  permettendo la memorizzazione e l’elaborazione dell’informazione.

La differenza importante tra l'architettura dei computer e del cervello è che nel primo caso la memoria e il processore sono rappresentati da dispositivi separati che non si influenzano l’un l’altro, mentre nel cervello gli stessi elementi sono contemporaneamente usati sia per memorizzare sia per processare le informazioni. Questa architettura permette diverse importanti caratteristiche, come l’apprendimento a livello di hardware (l’informazione non è solo memorizzata, ma cambia le connessioni all’interno del processore), l'elaborazione parallela (in un computer a singolo nucleo solo una operazione è eseguita in ogni momento); basso peso (dovuto a una organizzazione 3D altamente integrata) e l'alta efficienza energetica (dovuto all’esecuzione simultanea di multiple operazioni).

A questo scopo, il nostro gruppo ha una priorità mondiale nella realizzazione, studio e applicazioni del Dispositivo Memristivo Organico un elemento che era stato progettato per mimare le proprietà delle sinapsi naturali nei circuiti e sistemi elettronici.

OMD
Schema del dispositivo: vista  dall'alto e in prospettiva.

Questi elementi sono stati effettivamente usati per l’implementazione di porte logiche con memoria, reti neurali artificiali (percettrone a singolo-doppio layer), applicazioni neuromorfiche (circuiti elettronici che mimano il sistema nervoso permettendo l’apprendimento supervisionato e non supervisionato; plasticità sinaptica guidata dalla frequenza; primi passi verso protesi sinaptiche), e complesse reti 3D con un elevato grado di integrazione e organizzazione stocastica delle unità funzionali.

È da notare che le proprietà elettrocromiche dei materiali utilizzati permettono la possibilità unica di un controllo contactless dello stato di resistenza e le cinetiche della sua variazione degli elementi funzionali, che è estremamente importante nel caso di training di reti neuronali artificiali con architetture a più strati.

 

►Le nostre pubblicazioni e collaborazioni