Computer riconfigurabili che funzionano come il tuo cervello

Gli ingegneri dell’Indian Institute of Science hanno recentemente presentato un chip informatico di nuova generazione in grado di passare tra più compiti computazionali semplicemente modificando la sua composizione chimica. Il nuovo design prende spunto dal cervello umano, aprendo la porta a futuri sistemi di IA che non solo apprendono ma sono dotati di conoscenza incorporata. Ecco cosa devi sapere.

Sbloccare il futuro del calcolo richiede un pensiero fuori dagli schemi. Man mano che i chip raggiungono il limite teorico dei loro progetti, è necessario configurare nuovi approcci per continuare a spingere in avanti la potenza computazionale.

Produzione di chip

Quando si tratta di sviluppare chip più veloci e più piccoli per alimentare dispositivi elettronici di nuova generazione, il silicio è considerato l’opzione principale. Questo semiconduttore abbondante e a basso costo offre una mobilità dei portatori accettabile, consentendogli di agire sia come isolante sia come conduttore quando è combinato con altri materiali e viene applicata una corrente.

Inoltre, il silicio ossidato (silice) può essere prodotto in sottili fogli che supportano progetti di circuiti multistrato. Questa capacità lo ha reso ideale per l’uso nelle micro- e nanoelettroniche odierne. Tuttavia, ci sono alcuni seri svantaggi di questo materiale.

La lavorazione del silicio può essere pericolosa per l’ambiente a causa dei prodotti chimici coinvolti. Inoltre, è limitata nella capacità di ospitare nanoelettronica. I dispositivi con una lunghezza del gate inferiore a 7 nm possono sperimentare molte interferenze. Queste interruzioni possono verificarsi per molte ragioni, tra cui perdite di segnale e tunneling quantistico.

Nanoelettronica

La nanoelettronica è il passo successivo nella miniaturizzazione. Questi dispositivi, con dimensioni inferiori a 100 nm, sono così piccoli da essere più suscettibili alla meccanica quantistica rispetto alla fisica tradizionale. Queste interazioni possono provocare cambiamenti di interfaccia e altre risposte non lineari a causa della complessità del funzionamento a questa scala.

Calcolo neuromorfico

Quando si riduce un circuito alla scala nanometrica, diventa estremamente difficile fare affidamento su processi meccanici per svolgere i compiti. Perciò, gli ingegneri si sono rivolti a soluzioni di calcolo neuromorfico per memorizzare informazioni ed eseguire calcoli. Questi dispositivi si basano sul tuo cervello.

I computer neuromorfici utilizzano materiali ossidi e commutazione filamentare per completare i compiti computazionali. Questa struttura riduce semplicemente l’approccio attuale al calcolo per imitare l’apprendimento. Questa strategia è diversa dal creare un dispositivo che intrinsecamente contiene i dati come parte della sua struttura naturale.

Di conseguenza, gli scienziati hanno dedicato molti sforzi alla creazione di un materiale avanzato capace di memorizzare, calcolare e adattarsi ai dati senza modificare la sua superficie fisica. Tuttavia, le complessità nella creazione di tale struttura sono rimaste sfuggenti.

Elettronica molecolare

Questo desiderio di creare macchine ancora più piccole e più versatili ha spinto gli ingegneri dell’elettronica molecolare a cercare di documentare le interazioni atomiche e le azioni quantistiche con l’obiettivo finale di poter prevedere questi risultati con grande precisione.

Tuttavia, questo compito sembrava impossibile. Fino a questo mese, quando un team di scienziati ha pubblicato uno studio rivoluzionario che dimostrava come fossero in grado di prevedere e controllare in modo affidabile queste azioni.

Studio sui computer riconfigurabili

Ingegneri e scienziati del Centre for Nano Science and Engineering (CeNSE) in India hanno appena riscritto il manuale dell’elettronica molecolare con lo studio “Molecularly Engineered Memristors for Reconfigurable Neuromorphic Functionalities¹”.

Fonte – Advanced Materials

Il documento riunisce recenti progressi nell’ingegneria elettrica, chimica e fisica per creare dispositivi su scala nanometrica che possono modificare la loro composizione chimica per svolgere diversi ruoli, inclusi unità di memoria, porte logiche, processori o sinapsi elettroniche.

Dispositivi molecolari adattabili

Il successo dello studio aiuta a dimostrare come la chimica possa fare più che supportare le attività computazionali—può fornirle. Inoltre, questa adattabilità consente allo stesso dispositivo di funzionare sia come unità di memoria sia come unità computazionale senza aggiungere materiale o modificare la sua forma fisica.

Quadro predittivo

Uno dei primi passi che gli ingegneri dovevano compiere è stato creare un metodo per prevedere come le variazioni chimiche avrebbero influenzato il trasporto elettrico. In particolare, hanno sviluppato un algoritmo di modellazione chimica quantistica in grado di tracciare con precisione le molecole mentre attraversavano il film.

L’algoritmo includeva molti altri dati rilevanti, tra cui come l’ossidazione e la riduzione influenzavano ogni molecola e come interagivano rispetto alla matrice molecolare complessiva. Questi dati sono stati poi utilizzati per determinare la stabilità complessiva delle molecole, registrando in tempo reale eventuali spostamenti di controioni.

Gli ingegneri, armati del loro algoritmo predittivo, hanno iniziato a utilizzare il comportamento di commutazione per prevedere come trasformare un singolo dispositivo da memoria a attività computazionali e altro ancora. L’algoritmo consente agli ingegneri di regolare con precisione l’ambiente molecolare locale e le interazioni intermolecolari usando complessi organici di rutenio.

Risposte memristive

Utilizzando l’algoritmo per guidare i loro sforzi, il team ha modulato con successo, in modo programmato, un singolo circuito. In modo impressionante, sono riusciti a ottenere più modalità, tra cui memoria digitale, analogica, binaria e ternaria.

Per realizzare questo compito, hanno dovuto regolare i ligandi e gli ioni che circondano le molecole di rutenio. Questa adattabilità è stata ampliata per includere vari valori di conduttanza che riconfigurano dinamicamente le capacità del dispositivo a stato solido.

Scorri per visualizzare →

Test dei computer riconfigurabili

Per testare la loro teoria, gli scienziati hanno dovuto creare complessi di rutenio su misura. Ne hanno costruiti con successo 17 per questo studio, il che ha permesso loro di monitorare minimi cambiamenti nella configurazione molecolare e nelle impostazioni ioniche.

La fabbricazione del dispositivo è stata guidata da Pallavi Gaur. Gaur ha riferito che il dispositivo è stato in grado di passare tra memoria, calcolo e riconfigurazione senza cambiamenti di materiale. Questa capacità rende il dispositivo molto più vicino al modo in cui funziona il tuo cervello, spingendo in avanti la scienza del calcolo neuromorfico.

Risultati del test dei computer riconfigurabili

I risultati del test hanno confermato la teoria dell’ingegnere secondo cui è possibile combinare memoria e calcolo nello stesso materiale. Ha anche dimostrato come la chimica possa essere usata per eseguire calcoli e non solo per integrare i componenti attivi di un dispositivo. Di conseguenza, questo lavoro unisce la nanocomputazione e la tecnologia dell’ingegneria chimica per aprire la porta a dispositivi quantistici più piccoli e più potenti.

Vantaggi dei computer riconfigurabili

Ci sono diversi vantaggi che lo studio sui computer riconfigurabili porta al mercato. In primo luogo, apre la porta all’elettronica su scala nanometrica a una nuova scala. In passato, questi dispositivi potevano essere creati solo fino a una certa piccolezza prima che si perdesse tutta l’affidabilità. Il fatto che avessero parti mobili rendeva impossibile determinare la loro operatività a scala nanometrica.

Questo nuovo approccio consente a un dispositivo a stato solido di eseguire più compiti computazionali, come fungere da elemento di memoria, porta logica, selettore, processore analogico o sinapsi elettronica. Questa flessibilità aiuterà i futuri ingegneri a progettare dispositivi più capaci e leggeri.

Meno interferenze

Questa struttura riduce anche le interferenze causate dal tunneling quantistico e da altri problemi quando si parla di dispositivi su scala molecolare. Più piccolo è un dispositivo, più le interferenze da fonti esterne possono influenzarlo. Quando si combina questo fatto con la miniaturizzazione dei dispositivi, è facile capire perché questo approccio sia considerato rivoluzionario dalla maggior parte.

Conduttanza aggiunta

Un altro grande vantaggio è la conduttanza aggiunta. Il silicio puro non è né un buon conduttore né un buon isolante. Perciò, è necessario mescolare aggettivi e altri prodotti chimici per migliorare le prestazioni. Questo nuovo design offre maggiore affidabilità e può supportare una conduttanza molto più elevata. In particolare, gli scienziati hanno registrato un miglioramento di sei ordini di grandezza.

Computer riconfigurabili: Applicazioni reali e cronologia

Diversi utilizzi dei computer riconfigurabili potrebbero facilitare la vita di milioni di persone. In primo luogo, saranno alla fine impiegati nelle applicazioni IA. I sistemi IA richiedono enormi quantità di dati da trasferire all’interno dei dispositivi e dei riferimenti.

Attualmente, esiste un piccolo divario tra logica computazionale e memoria, che genera un ritardo. Man mano che i calcoli aumentano, questo ritardo si allunga, portando a un calcolo più lento. Questo approccio eliminerebbe la necessità di separare logica, memoria e altre attività fondamentali, consentendo a un unico dispositivo di trasformarsi istantaneamente in ciascuna di esse quando necessario.

Dispositivi medici di nuova generazione

Il settore medico è un altro ambito in cui questa tecnologia potrebbe fare una grande differenza. Impianti e altre unità interne potrebbero essere resi più piccoli e con meno parti mobili. Questo approccio li renderebbe meno invasivi e offrirebbe spazio per potenza computazionale aggiuntiva, se necessario.

Cronologia dei computer riconfigurabili

Potrebbero passare 7–10 anni prima di incontrare un computer riconfigurabile. Questi dispositivi emergeranno per primi nei più grandi sistemi IA, contribuendo a ridurne i costi operativi e a migliorarne l’efficienza. Tuttavia, resta ancora molto da testare e sviluppare, oltre a trovare un produttore adeguato in grado di fabbricare questi dispositivi su larga scala.

Ricercatori dei computer riconfigurabili

Lo studio sui computer riconfigurabili è stato realizzato da un team di ricercatori dell’Indian Institute of Science. Lo studio è stato guidato dal professore assistente del Centre for Nano Science and Engineering (CeNSE), Sreetosh Goswami.

Le parti di sintesi molecolare dello studio sono state completate da Pradip Ghosh, Ramanujan Fellow, e Santi Prasad Rath. Il documento elenca anche Shayon Bhattacharya, Lohit T, Harivignesh S e Damien Thompson come collaboratori.

Futuro dei computer riconfigurabili

I ricercatori hanno una sfida importante davanti a sé. Attualmente stanno esplorando come integrare questa tecnologia nelle strategie di produzione dei chip CMOS odierne. Il loro obiettivo generale è creare dispositivi che abbiano l’intelligenza incorporata in modo intrinseco, migliorando prestazioni, stabilità ed efficienza.

Investire nel campo Compute-in-Memory

Ci sono diverse aziende nel settore della produzione di chip che rappresentano interessanti opportunità di investimento. Queste imprese hanno visto una domanda crescente per i loro prodotti innovativi poiché l’IA e altri sistemi computazionali ad alta potenza continuano a diventare la norma. Ecco un produttore che è rimasto in prima linea nella tecnologia delle fonderie di chip.

GSI Technology (GSIT)

Mentre lo studio sopra evidenzia il futuro del calcolo molecolare, GSI Technology (GSIT ) sta commercializzando oggi la versione basata su silicio di questo concetto. GSI è lo sviluppatore dell’Associative Processing Unit (APU), una tecnologia che cambia radicalmente il modo in cui i computer elaborano i dati eseguendo calcoli direttamente in-place all’interno dell’array di memoria—un concetto noto come “Compute-in-Memory” (CIM).

Questa architettura affronta lo stesso “collo di bottiglia von Neumann” menzionato nello studio (il ritardo causato dalla separazione di logica e memoria). Eliminando la necessità di trasferire dati avanti e indietro tra processore e RAM, il Gemini® APU di GSI offre un’accelerazione massiccia per i carichi di lavoro IA e di ricerca.

Benchmark recenti convalidati dall’Università di Cornell hanno confermato che l’APU di GSI può eguagliare le prestazioni delle GPU di fascia alta (come la NVIDIA (NVDA ) A6000) per specifici compiti IA consumando circa il 98 % in meno di energia.

GSI Technology ha sede a Sunnyvale, California, ed è quotata al NASDAQ. I suoi prodotti di memoria a prova di radiazione sono già un punto fermo nei settori aerospaziale e della difesa, fornendo una base di entrate stabile mentre lancia i suoi chip IA all’avanguardia per il mercato più ampio.

Chi cerca un “pure play” quotato in Nord America sul futuro del calcolo incentrato sulla memoria dovrebbe approfondire GSI Technology. Rappresenta un ponte pratico tra il silicio tradizionale e il futuro di “intelligenza incorporata” immaginato dai ricercatori.

Ultime notizie e performance di GSI Technology (GSIT)

Computer riconfigurabili | Conclusione

La capacità di creare computer riconfigurabili cambia tutto. In futuro, i tuoi dispositivi potrebbero diventare estremamente affidabili e durevoli poiché tutte le parti mobili vengono sostituite da interazioni chimiche. Inoltre, questa capacità apre la porta a progetti molto più piccoli e complessi che non si basano su componenti meccanici ma su reazioni chimiche organiche.

Tutti questi fattori e altri ancora rendono lo studio sui computer riconfigurabili un punto di svolta con il potenziale di inaugurare una nuova era del calcolo e dell’integrazione IA. Perciò, c’è molto interesse in questo lavoro. Per ora, il team si concentrerà sull’ottimizzazione dei processi di fabbricazione e sulla riduzione dei costi e delle complessità di produzione.

Scopri altri interessanti sviluppi computazionali qui.

Riferimenti

^{1. Gaur, P., Kundu, B., Ghosh, P., Bhattacharya, S., T, L., S, H., Rath, S. P., Thompson, D., Goswami, S., & Goswami, S. Memristori ingegnerizzati a livello molecolare per funzionalità neuromorfiche riconfigurabili. Advanced Materials, e09143. https://doi.org/10.1002/adma.202509143}