Molti dei filoni di ricerca e sviluppo collegati all'intelligenza artificiale e al machine learning traggono ispirazione dalla struttura e dal funzionamento del cervello umano. Da qui la denominazione tecnica di neuromorphic computing. Ma le applicazioni attuali sono alla fine basate sul digitale del silicio e dei bit, un mondo assai diverso dal funzionamento analogico e dalle componenti dei sistemi biologici. Così quando si parla di reti neurali si indica qualcosa che imita solamente il funzionamento delle reti di neuroni umane, trasponendole in una fisica diversa.

L’INRIM (Istituto Nazionale di Ricerca Metrologica) di Torino conduce da tempo diverse ricerche tecnologiche nell’ambito delle nanoscienze e dei nanomateriali. Da questi filoni è nata una nuova scoperta che è stata recentemente pubblicata da Nature Materials. Si tratta dello studio "In materia reservoir computing with a fully memristive architecture based on self-organizing nanowire networks", pubblicato dai ricercatori INRiM Gianluca Milano e Luca Boarino, insieme ad altri ricercatori del Politecnico di Torino e del Politecnico di Milano.

Invece di realizzare una rete neurale attraverso una simulazione software, il progetto di ricerca INRIM l'ha realizzata attraverso un sistema fisico costituito da una trama complessa di nanofili in lega d'argento. Una sorta di computer analogico fatto di fili del diametro di qualche micron. I nodi tra i fili, per la loro composizione e struttura, si comportano come memristori. E permettono quindi forme di elaborazione elettronica.
I ricercatori, spiega l'Istituto, dopo aver mostrato in un lavoro precedente come un singolo nanofilo sia in grado di emulare l’attività delle sinapsi, cioè le connessioni tra neuroni del nostro cervello, hanno dimostrato ora come un sistema hardware basato su una rete di nanofili sia in grado di emulare i processi di memoria a breve termine e a lungo termine alla base dell’elaborazione delle informazioni e dell’apprendimento del nostro cervello. Tale sistema hardware, realizzabile a basso costo, permette di realizzare vere e proprie reti neurali alla nanoscala per l’elaborazione e classificazione di vari tipi di segnali sfruttando le leggi fisiche.

Il vantaggio del sistema realizzato a Torino è duplice. Da un lato ha bisogno di meno parametri per addestrare una rete neurale. Dall'altro consuma molta meno energia di un sistema tradizionale basato su bit e silicio. Secondo Gianluca Milano, il nuovo sistema è "una piattaforma molto versatile in grado di risolvere vari compiti, come ad esempio il riconoscimento di immagini o la previsione di serie temporali". Con potenziali applicazioni in molti ambiti, anche grazie al suo "ridotto costo computazionale".

L'obiettivo è che questa forma di elaborazione analogica aiuti lo sviluppo di nuovi computer sempre più performanti. Ma sia anche un passo in avanti per l’emulazione e la comprensione del funzionamento dei sistemi biologici. In prospettiva anche per la realizzazione di interfacce computer-cervello e protesi cerebrali. Per ora, già promettere concretamente di ridurre l'energia consumata dai sistemi di AI è un bel passo avanti.