Ag/Al₂O₃/ITO memristor for honeybee-inspired associative learning, behavioral emulation, and conductance-constrained flower classification

Negli angoli silenziosi del mondo naturale, l'ape mellifera offre una lezione magistrale di apprendimento. Questi insetti non si limitano a reagire al proprio ambiente; costruiscono associazioni complesse tra ciò che percepiscono e ciò che ricevono. Un'ape impara a collegare un profumo o un colore specifico con una ricompensa dolce, regolando il proprio comportamento in base all'esperienza passata. Questa capacità si basa sulle sinapsi cerebrali, le minuscole giunzioni tra le cellule nervose che si rafforzano o si indeboliscono man mano che l'animale apprende e ricorda. Per decenni, gli scienziati hanno cercato di costruire dispositivi elettronici che imitassero questa flessibilità biologica, sperando di creare computer che imparino come gli esseri viventi piuttosto che limitarsi a calcolare numeri. La chiave di questo mimetismo risiede in un componente chiamato memristore, un tipo di interruttore elettronico che ricorda quanta elettricità sia passata attraverso di esso. A differenza degli interruttori standard che sono semplicemente accesi o spenti, un memristore può stabilizzarsi in molti diversi stati di resistenza, cambiando il proprio comportamento in base alla propria storia, proprio come una sinapsi cambia la sua forza in base all'attività passata.

Un team di ricercatori dell'Università di Ningbo ha ora dimostrato che un singolo, semplice dispositivo elettronico può replicare diversi di questi sofisticati comportamenti biologici, dalla memoria di base al processo decisionale complesso. Hanno costruito un componente minuscolo utilizzando strati di argento, ossido di alluminio e un vetro conduttivo, creando una struttura che risponde agli impulsi elettrici in modi che assomigliano da vicino al processo di apprendimento di un'ape mellifera. Controllando attentamente il flusso di elettricità, gli scienziati hanno dimostrato che questo dispositivo poteva essere addestrato ad associare due segnali diversi, dimenticare una lezione e poi impararla più velocemente. Poteva persino mimare diversi livelli di allerta, passando tra stati che rappresentano il sonno, la sonnolenza e la veglia. Più significativamente, i ricercatori hanno provato che gli specifici stati elettrici creati da questo dispositivo potevano essere utilizzati per risolvere un problema del mondo reale: identificare diversi tipi di fiori in una fotografia. Il dispositivo non ha solo simulato il processo di apprendimento; ha svolto l'effettivo lavoro di una rete neurale, classificando le immagini con un'accuratezza quasi identica a quella di un normale programma per computer.

Il dispositivo stesso è una piccola pila verticale di materiali, larga circa quanto un capello umano. Sul fondo si trova uno strato di vetro conduttivo, seguito da un sottile film di ossido di alluminio, e sormontato da uno strato di argento. Quando i ricercatori hanno applicato una tensione allo strato superiore di argento, hanno osservato un affascinante cambiamento fisico. Gli atomi di argento si sono frammentati in ioni e sono migrati attraverso lo strato isolante di ossido di alluminio, finendo per formare un minuscolo ponte conduttivo o filamento che collegava la parte superiore e quella inferiore. Questo filamento agisce come un filo che può crescere più spesso o più sottile a seconda di quanta corrente viene fatta fluire. Quando la corrente è limitata, il filamento rimane sottile e il dispositivo resiste all'elettricità. Quando la corrente può fluire più liberamente, il filamento diventa più spesso, rendendo più facile il passaggio dell'elettricità. Questa crescita e contrazione fisica del ponte d'argento è ciò che permette al dispositivo di ricordare il suo passato, poiché la dimensione del filamento determina come il dispositivo risponderà ai segnali futuri.

Per testare se questo semplice meccanismo potesse mimare l'apprendimento complesso di un'ape, i ricercatori hanno applicato una serie di impulsi elettrici al dispositivo. Hanno scoperto che il dispositivo poteva essere portato ad aumentare gradualmente la sua conduttività, similmente a come una sinapsi si rafforza durante l'apprendimento, o a diminuirla, imitando l'indebolimento di una memoria. Hanno anche osservato che se due impulsi venivano inviati in rapida successione, il secondo impulso produceva una risposta più forte del primo, un fenomeno noto come facilitazione della doppia pulsazione che è comune nei cervelli biologici. Il dispositivo manteneva questi diversi stati per oltre 100 secondi, dimostrando di poter trattenere informazioni per un tempo significativo. Variando la forza e la temporizzazione degli impulsi, il team ha potuto programmare il dispositivo per esibire comportamenti specifici. Hanno ricreato con successo una versione del condizionamento pavloviano, in cui il dispositivo imparava a rispondere a un segnale debole solo dopo che era stato accoppiato con uno più forte, proprio come un cane impara a salivare al suono di un campanello dopo che è stato associato al cibo.

I ricercatori sono andati oltre, dimostrando che il dispositivo poteva anche modellare l'andamento dell'apprendimento e dell'oblio. Quando hanno smesso di stimolare il dispositivo, la risposta elettrica è svanita lentamente, rappresentando il naturale processo di dimenticanza. Tuttavia, quando hanno ripreso gli impulsi di addestramento, il dispositivo ha riappreso il comportamento molto più velocemente rispetto alla prima volta, suggerendo che un traccia della memoria originale fosse rimasta. Hanno anche mappato diversi livelli di attività elettrica su stati di coscienza. Un impulso molto debole produceva una risposta bassa, che hanno mappato come uno stato di sonno. Un impulso moderato creava una risposta intermedia per la sonnolenza, e un impulso forte innescava una risposta alta per la veglia. Ciò ha dimostrato che un'unica architettura di dispositivo poteva produrre una vasta gamma di comportamenti dipendenti dalla storia semplicemente cambiando il modello di segnali elettrici inviati, senza dover alterare la struttura fisica del dispositivo stesso.

Infine, il team ha testato se questi stati elettrici appresi potessero essere utilizzati per un compito pratico: identificare i fiori. Hanno preso un normale programma per computer progettato per riconoscere immagini di margherite, tarassaco, rose, girasoli e tulipani e hanno sostituito la parte finale del programma con gli stati di conduttanza del loro dispositivo memristore. Il programma utilizzava la capacità del dispositivo di mantenere diversi livelli di resistenza per rappresentare i pesi del suo processo decisionale. Quando il sistema è stato testato su un set di dati di immagini di fiori, ha raggiunto un'accuratezza dell'86,55 percento. Questo risultato era notevolmente vicino all'accuratezza dell'87,09 percento ottenuta dal normale programma per computer eseguito interamente via software. La piccola differenza nelle prestazioni suggerisce che gli specifici stati elettrici discreti disponibili nel dispositivo fisico erano sufficienti per catturare l'informazione essenziale necessaria per il compito. Questa scoperta indica che le proprietà fisiche del memristore, derivate dal suo filamento d'argento, possono direttamente supportare il complesso riconoscimento di pattern, colmando il divario tra la fisica pura di un materiale e l'intelligenza di alto livello di una rete neurale.

Il lavoro suggerisce che la strada verso un calcolo più efficiente e simile al cervello potrebbe non richiedere la costruzione di milioni di componenti complessi, ma piuttosto la comprensione di come controllare un singolo, semplice dispositivo in modi diversi. Regolando gli impulsi elettrici, la stessa struttura Ag/Al₂O₃/ITO può agire come una cella di memoria, un agente di apprendimento o un classificatore. I ricercatori hanno dimostrato che il comportamento del dispositivo non è fisso ma dipende interamente dalla storia della stimolazione che riceve. Questa flessibilità consente all'hardware di adattarsi a diversi compiti, dal mimare il ciclo sonno-veglia di un insetto al filtrare dati visivi. I risultati forniscono una dimostrazione concreta che le leggi fisiche che governano il movimento degli ioni d'argento in un film sottile possono essere sfruttate per eseguire compiti che un tempo si pensava richiedessero sistemi biologici complessi e multistrato. Mentre il campo dell'informatica neuromorfica avanza, questo studio offre un chiaro esempio di come materiali semplici, se guidati dai giusti protocolli elettrici, possano iniziare a esibire i ricchi e adattivi comportamenti presenti in natura.