34 / 86
TECH-FOCUS
NEURAL NETWORKS
34
- ELETTRONICA OGGI 455 - GIUGNO/LUGLIO 2016
gramma DARPA denominato SyNAPSE (che sta per
System of Neuromorphic Adaptive Plastic Electro-
nics) in collaborazione con
Cor-
nell University
.
Sempre nell’ambito di questo pro-
getto, i
Lawrence Livermore Natio-
nal Laboratories
hanno acquistato
un supercomputer da 1 milione di
dollari basato proprio sui chip neu-
romorfici di IBM. Il nucleo di questo
computer utilizza infatti un array di
16 processori TrueNorth, come si
può vedere dalla figura 5. L’attivi-
tà elaborativa di tale computer si
basa quindi su di un totale di 16 mi-
lioni di neuroni connessi da quattro
miliardi di sinapsi.
La stessa Darpa ha investito nel
2013 ben 5.7 milioni di dollari per
lo sviluppo di una “neural grid” da parte dell’universi-
tà del Michigan, con un progetto della durata di quat-
tro anni. L’obiettivo è quello di mettere a punto un’ar-
chitettura hardware e software per realizzare un
processore di immagini ultraveloce, che sia in grado
di processare dati a una velocità di mille volte quella
delle architetture attualmente disponibili. Utilizzando
memristor nelle sinapsi si ottiene una struttura che
non assorbe corrente nel-
lo stato di riposo, garan-
tendo quindi un consumo
di potenza dieci mila volte
inferiore alle soluzioni at-
tuali. I memristor utilizzati
sfruttano la migrazione
di vacanze di ossigeno
nell’ossido di tungsteno
per modulare la trasmis-
sività dei nodi. L’array è
organizzato su tre livelli,
ciascuno dei quali effettua
operazioni di apprendimento successivo delle infor-
mazioni sull’immagine da analizzare.
Approcci differenti
Fra le varie società che hanno avviato ricerche sui
processori di tipo neurale vi sono però interpretazio-
ni differenti.
Intel
, ad esempio, ha annunciato già un
paio di anni fa la propria intenzione di utilizzare archi-
tetture di tipo neurale per i propri processori. Risulta
però che il tipo di approccio sia diverso ad esempio
da IBM, in quanto nei processori Xeon Intel utilizza
un core FPGA in cui integra un software di tipo neu-
rale. Un’altra branca di ricerca
rivelata da Intel utilizza degli LSV
(multi-input Lateral Spin Valves)
e nodi a memristor/PCM (Fig. 6).
Gli LSV si basano di fatto sulla
“spintronica”, in quanto sono dei
micro magneti che cambiano la
loro magnetizzazione in funzio-
ne dello spin degli elettroni che
li attraversano, mentre i memri-
stor variano la loro resistività in
funzione del verso della corrente
che li attraversa, memorizzando
il loro stato in assenza di cor-
rente. Nelle intenzioni di Intel, gli
LSV fungono da neuroni, mentre
i memristori da sinapsi, dove il
valore della resistenza varia in funzione dell’intensità
della corrente e quindi del “peso” del link sinaptico.
Come prima implementazione di tecniche di questo
tipo, Intel ha recentemente lanciato la nuova famiglia
di microcontroller dual-core a 32-bit Quark SE (Fig. 7),
sviluppati specificatamente per le applicazioni di IoT.
Una prima applicazione è data ad esempio dal piccolo
modulo indossabile Curie (Fig. 8) ottimizzato per il rico-
noscimento dei pattern in
movimento e che integra
un Quark SE, un girosco-
pio e un accelerometro a
6 assi, 384 kB di memoria
flash, 80 kB di RAM e un
modulo Bluetooth.
Un’altra applicazione è
rappresentata dal compu-
ter-module open-source
Edison (Fig. 9) realizzato
in più versioni adattabili a
innumerevoli applicazioni.
Fig. 6 – Nodo neurale di Intel basato su LSV (multi-input
Lateral Spin Valves) e nodi a memristor/PCM
Fig. 7 - Intel ha recentemente lanciato la
nuova famiglia di microcontroller dual-
core a 32-bit Quark SE, sviluppati specifica-
tamente per le applicazioni di IoT
Fig. 8 – Un’applicazione del chip Quark SE è data dal piccolo
modulo indossabile Curie, ottimizzato per il riconoscimen-
to dei pattern in movimento