Magia Cervello Quantistico: vicini grazie alla macchina atomica Boltzmann

Memoria quantistica senza software? Gli scienziati riescono a creare un materiale intelligente adattivo e mutevole, che si comporta come un cervello quantistico. La creazione di materiali che supportano le [...] ..

Memoria quantistica senza software? Gli scienziati riescono a creare un materiale intelligente adattivo e mutevole, che si comporta come un cervello quantistico.

La creazione di materiali che supportano le condizioni fisiche necessarie per generare un cervello quantistico è stata la sfida più grande nell’informatica quantistica. A volte le idee tecnologiche degli scienziati non possono essere messe in pratica perché non ci sono materiali adeguati per supportare l’elaborazione dei dati su larga scala. Tuttavia, questo è cambiato con la ricerca più moderna.

Magia Cervello Quantistico: vicini grazie alla macchina atomica Boltzmann

Fino ad ora il titolo di supercomputer più veloce ha combattuto tra Cina e Stati Uniti. I progressi nel campo sono ogni giorno più vertiginosi, quindi le capacità di un computer sono rapidamente sostituibili. E i progressi continuano.

Ora un team di ricercatori dei Paesi Bassi ha creato un materiale intelligente che potrebbe contribuire allo sviluppo del tanto atteso “cervello quantistico“. Il nostro cervello non è statico, ma funziona cambiando se stesso fisicamente e chimicamente. Quindi un cervello quantistico dovrebbe avere la stessa capacità di comportarsi in modo simile alla sinapsi umana.

sinapsi cerebrale quantistica

Cervello quantistico senza software

Perché l’intelligenza artificiale funzioni, i computer devono essere in grado di riconoscere schemi e apprenderne di nuovi. Questo è fatto molto bene dai computer oggi, il problema è che per farlo dipendono da un software o da un programma di apprendimento automatico che controlla l’elaborazione delle informazioni in un hardware, in modo segregato.

Proprio questo problema è alla base dell’indagine dell’Istituto di Molecole e Materiali dell’Università di Radboud. Dal suo punto di vista, la ricerca di implementare algoritmi di apprendimento automatico in hardware basati sulla combinazione di diversi materiali non è la soluzione al problema di molto efficiente. Piuttosto, si tratta di scoprire se un componente hardware è in grado di farlo senza software. Secondo Alexander Khajetoorian, responsabile del progetto, è necessario concentrarsi sulla ricerca di “nuove strategie per archiviare ed elaborare le informazioni, in modo efficiente dal punto di vista energetico”.

cervello quantistico

Hanno scoperto che è possibile. Hanno ottenuto questo risultato generando un sistema di spin atomico in grado di emulare un tipo di rete neurale nota come Macchina di Boltzmann (Boltzmann Machine), direttamente nella dinamica orbitale. Per creare questo sistema di materiali ben definito, hanno utilizzato atomi di cobalto nel fosforo nero e lo hanno manipolato utilizzando la microscopia a tunneling a scansione.

Hardware per l’apprendimento automatico

Il risultato è sorprendente, è un hardware di apprendimento automatico su scala atomica. Non solo memorizza ed elabora le informazioni, ma si adatta anche. Questo ci avvicina notevolmente allo sviluppo di un cervello quantistico più complesso, che è in grado di adattarsi e cambiare fisicamente a seconda dell’apprendimento delle reti neurali.

Magia Cervello Quantistico: vicini grazie alla macchina atomica Boltzmann

Anche se c’è ancora molta strada da fare, conclude Khajetoorian:

“Se alla fine potessimo costruire una macchina reale con questo materiale, potremmo costruire dispositivi di calcolo ad autoapprendimento che sono più efficienti dal punto di vista energetico e più piccoli dei computer di oggi. Tuttavia, solo quando capiamo come funziona, e questo rimane un mistero, possiamo modificare il suo comportamento e iniziare a svilupparlo in una tecnologia. È un momento molto emozionante”.


Riferimenti:
Kiraly, B, Knol, EJ, van Weerdenburg, WMJ et al. An atomic Boltzmann machine capable of self-adaption. Nat. Nanotechnol. (2021). DOI