Il calcolo neuromorfico è un approccio innovativo all’ingegneria informatica che imita l’architettura e i processi del cervello umano per ottenere efficienza e adattabilità elevate.

Integrando funzioni di elaborazione e memoria, usando reti neurali spiking e circuiti analogici e digitali, i chip neuromorfici offrono vantaggi significativi in elaborazione parallela, efficienza energetica e tolleranza agli errori.

Queste caratteristiche li rendono ideali per applicazioni avanzate di intelligenza artificiale, apprendimento automatico ed edge computing.

I chip neuromorfici sono progettati per emulare l’architettura neurale del cervello, offrendo diversi vantaggi distinti:

  • Elaborazione e memoria collocate: integrando le funzioni di elaborazione e memoria, questi chip evitano il collo di bottiglia di von Neumann, portando a prestazioni più elevate e a un consumo energetico inferiore.
  • Elaborazione parallela massiva: ogni neurone nel chip può eseguire diverse funzioni simultaneamente, consentendo al sistema di eseguire numerose attività contemporaneamente.
  • Calcolo basato sugli eventi: i neuroni e le sinapsi elaborano in risposta ai picchi di altri neuroni, rendendo il sistema altamente efficiente dal punto di vista energetico poiché solo i neuroni attivi consumano energia.
  • Adattabilità e plasticità: i sistemi neuromorfici si adattano a nuovi stimoli ed evolvono nel tempo, in modo simile alla plasticità del cervello, consentendo un apprendimento e una risoluzione dei problemi efficienti.
  • Tolleranza ai guasti: le informazioni sono distribuite su più componenti, quindi il guasto di una parte non paralizza l’intero sistema, migliorando l’affidabilità.

Le reti neurali spiking (SNN) costituiscono la spina dorsale dei chip neuromorfici, in cui i neuroni comunicano attraverso picchi discreti che codificano le informazioni nella loro temporizzazione e frequenza.

Questi chip combinano circuiti analogici e digitali per emulare i processi neurali, con circuiti analogici che imitano la natura continua dei segnali biologici e circuiti digitali che forniscono precisione e scalabilità.

I dispositivi sinaptici artificiali collegano i neuroni che emettono picchi, utilizzando circuiti analogici per trasferire segnali elettrici che imitano i segnali cerebrali, consentendo la codifica dei dati attraverso cambiamenti nella potenza e nella tempistica del segnale.

Sfruttando la dimensione temporale, i sistemi neuromorfici elaborano le informazioni in base alla tempistica dei picchi, cruciale per le attività in tempo reale.

I chip neuromorfici sono destinati a rivoluzionare vari campi grazie alle loro capacità uniche:

  • Intelligenza artificiale (IA) e apprendimento automatico: questi chip migliorano i sistemi di IA fornendo un’elaborazione efficiente e in tempo reale per attività quali il riconoscimento di modelli, l’elaborazione del linguaggio naturale e il processo decisionale autonomo.
  • Edge Computing: il loro basso consumo energetico e la loro adattabilità li rendono ideali per applicazioni di edge computing, tra cui dispositivi IoT, droni e tecnologia indossabile.
  • Robotica: nella robotica, i chip neuromorfici migliorano l’apprendimento e il processo decisionale in tempo reale, consentendo ai robot di muoversi in ambienti complessi e di svolgere compiti complessi in modo più efficace.

Con il progredire della tecnologia, si prevede che il calcolo neuromorfico determinerà progressi significativi nel calcolo ad alte prestazioni e nella superintelligenza artificiale, integrandosi potenzialmente anche con il calcolo quantistico per una potenza di calcolo senza precedenti.

Le principali aziende leader nel mercato dei chip neuromorfici includono:

Innatera

Innatera, azienda olandese pioniera nello sviluppo di processori neuromorfici ultra efficienti, ha recentemente raccolto 15 milioni di euro in un round di finanziamento di serie A per accelerare la produzione su larga scala, ampliare la gamma di applicazioni e investire nella rete di relazioni.

Samsung

Samsung, leader mondiale nell’ingegneria neuromorfica, sta collaborando con l’Università di Harvard per imitare il comportamento del cervello umano all’interno dei suoi chip.

L’azienda sta sviluppando un sistema di “copia-incolla” che utilizza un array rivoluzionario di nanoelettrodi per registrare i segnali elettrici dei neuroni e mappare il cablaggio neuronale, che viene poi riportato su reti di memorie non volatili appositamente progettate.

Elaborazione In-Memory basata su MRAM

Samsung ha dimostrato per la prima volta l’elaborazione in-memory (in-situ) utilizzando memorie MRAM (Magnetoresistive Random Access Memory) .

Questa tecnologia consente di unire memoria e semiconduttori di sistema, aprendo la strada a chip di intelligenza artificiale di nuova generazione .

L’elaborazione in-memory ha somiglianze con il funzionamento del cervello, dove l’elaborazione avviene all’interno della rete di memorie biologiche (sinapsi) .

Questa capacità di Samsung rappresenta un importante passo avanti nell’ingegneria neuromorfica e nello sviluppo di chip ispirati al cervello umano .

BrainChip Holdings

BrainChip Holdings, società con sede in Australia, ha ottenuto un brevetto statunitense per il suo processore neuromorfico Akida, un chip AI completamente digitale e basato sugli eventi che utilizza principi neuromorfici per imitare il cervello umano, consentendo l’apprendimento locale al chip, indipendente dal cloud.

Altre importanti aziende produttrici di chip, come Qualcomm e Texas Instruments, sono attive nello sviluppo di tecnologie neuromorfiche.

Intel Hala Point

Questo sistema su larga scala utilizza il processore Intel Loihi 2, che adotta principi informatici ispirati al cervello come reti neurali spiking (SNN) asincrone, memoria e calcolo integrati, e connessioni sparse e dinamiche, per migliorare l’efficienza energetica e le prestazioni. I neuroni comunicano direttamente tra loro anziché attraverso la memoria, riducendo il consumo energetico totale.

È il più grande sistema neuromorfico al mondo sviluppato da Intel.

Contiene 1.152 processori Loihi 2 che supportano fino a 1,15 miliardi di neuroni e 128 miliardi di sinapsi distribuiti su 140.544 core di elaborazione neuromorfica.

Può raggiungere prestazioni di calcolo fino a 20 petaops (20 quadrilioni di operazioni al secondo), superando di 12 volte le prestazioni del precedente sistema neuromorfico di Intel, Pohoiki Springs.

Consuma solo 2.600 Watt di potenza, offrendo prestazioni fino a 50 volte più veloci rispetto alle tradizionali GPU, con un notevole risparmio energetico.

Integra canali di calcolo, memoria e comunicazione in una struttura massivamente parallela, fornendo 16 petabyte al secondo di ampiezza di banda di memoria e 11 petabyte al secondo di ampiezza di banda di comunicazione inter-core.

Obiettivi e Applicazioni

Hala Point è stato sviluppato per supportare la ricerca e lo sviluppo di nuovi modelli di intelligenza artificiale ispirati alla struttura e al funzionamento del cervello umano.

Mira a risolvere le sfide di efficienza e sostenibilità dell’attuale tecnologia AI, il cui costo computazionale sta aumentando a ritmi insostenibili.

Può abilitare l’apprendimento continuo in tempo reale per applicazioni come agenti AI, grandi modelli linguistici e gestione delle smart city.

Non è un prodotto commerciale, ma un prototipo di ricerca che servirà da base per futuri prodotti e scoperte nell’ambito dell’intelligenza artificiale neuromorfica.

In sintesi, Hala Point rappresenta un importante passo avanti di Intel nell’ambito della computazione neuromorfica, dimostrando le potenzialità di questa tecnologia ispirata al cervello umano per lo sviluppo di sistemi AI più efficienti ed adattabili.