Reti neurali fisiche, la nuova frontiera per un’intelligenza artificiale sostenibile

­L’intelligenza artificiale è ormai parte del nostro quotidiano, e la necessità di modelli più grandi e complessi è incalzante. La richiesta di energia e di capacità di calcolo sempre più elevate stanno però aumentando più rapidamente delle prestazioni dei computer tradizionali. 

Per superare questi limiti, la ricerca si sta orientando verso tecnologie innovative come le reti neurali fisiche, circuiti analogici che per elaborare le informazioni sfruttano direttamente le leggi della fisica (proprietà dei fasci luminosi, fenomeni quantistici), e le cui potenzialità sono al centro dello studio pubblicato dalla prestigiosa rivista Nature e frutto della collaborazione tra diversi istituti internazionali, tra cui il Politecnico di Milano, l’École Polytechnique Fédérale di Losanna, la Stanford University, la University of Cambridge e il Max Planck Institute. 

Nell’articolo, dal titolo “Training of Physical Neural Networks”, si affrontano i passaggi della ricerca sull’addestramento delle reti neurali fisiche a cui ha collaborato Francesco Morichetti, docente del DEIB – Dipartimento di Elettronica, Informazione e Bioingegneria e responsabile del Photonic Devices Lab dell’ateneo. 

Il Politecnico di Milano ha contribuito a questo studio con lo sviluppo di chip fotonici per la realizzazione di reti neurali: sfruttando le tecnologie fotoniche integrate, operazioni matematiche come somme e moltiplicazioni possono essere eseguite attraverso meccanismi di interferenza della luce su microchip di silicio di dimensioni di pochi millimetri quadrati. 

«Eliminando le operazioni richieste per la digitalizzazione dell’informazione, i nostri chip fotonici consentono di svolgere calcoli con una significativa riduzione sia dei consumi energetici che dei tempi di elaborazione», afferma Francesco Morichetti. Un passo in avanti per rendere l’intelligenza artificiale (che si appoggia su data center estremamente energivori) più sostenibile.

Nello studio pubblicato su Nature si affronta, appunto, il tema dell’addestramento, cioè la fase in cui la rete impara a svolgere determinati compiti. «Con la nostra ricerca all’interno del Dipartimento di Elettronica, Informazione e Bioingegneria, abbiamo contribuito a mettere a punto una tecnica di addestramento “in-situ” per le reti neurali fotoniche, cioè senza passare attraverso modelli digitali. La procedura viene eseguita interamente utilizzando segnali luminosi e in questo modo l’addestramento della rete è non solo più veloce, ma anche più robusto ed efficiente», aggiunge Morichetti.

L’impiego dei chip fotonici potrà consentire lo sviluppo di modelli più sofisticati per l’intelligenza artificiale, o di dispositivi in grado di elaborare dati in tempo reale direttamente sul posto – come auto autonome o sensori intelligenti integrati nei dispositivi portabili – senza la necessità di un processamento remoto.

QUI IL LINK ALLA PUBBLICAZIONE

QUI IL LINK ALLA FOTOGALLERY