Claudio Gallicchio dell’Università di Pisa unico italiano del team composto da ricercatori delle più prestigiose università cinesi e di Hong Kong

L’università di Pisa, i cinesi e l’intelligenza artificiale sostenibile

Le future reti neurali artificiali saranno a basso impatto energetico

[6 Marzo 2023]

L’obiettivo dello studio “Echo state graph neural networks with analogue random resistive memory arrays”, era quello di contribuire a una intelligenza artificiale sostenibile e progettare reti neurali artificiali a basso impatto energetico.

Lo studio è stato pubblicato su Nature Machine Intelligence  da un team di studiosi delle più importanti università cinesi e di Hong Kong e da un unico italiano: Claudio Gallicchio del Dipartimento di informatica dell’università di Pisa che spiega: «In questo studio abbiamo dimostrato come sia possibile progettare reti neurali artificiali che possano essere addestrate ed eseguite su sistemi hardware non-convenzionali, ottenendo risultati predittivi comparabili con quelli ottenibili con le unità di elaborazione grafica (GPU) e al tempo stesso riducendo il consumo energetico fino a oltre 40 volte».

La ricerca ha riguardato la progettazione congiunta hardware-software di reti neurali artificiali per grafi, una classe di metodologie informatiche all’avanguardia, utili a risolvere problemi in domini complessi come l’analisi delle reti sociali e la scoperta di nuovi farmaci.

Gallicchio evidenzia che «Da un punto di vista informatico gli algoritmi proposti sfruttano una tecnica basata sulla teoria dei sistemi dinamici neurali, nota come Reservoir Computing, per ridurre al minimo la richiesta di calcolo degli algoritmi di addestramento. Da un punto di vista fisico, le reti neurali vengono implementate in random resistive memory arrays, nanodispositivi neuromorfici caratterizzati da un’elevatissima efficienza energetica».

I risultati conseguiti sono stati possibili grazie ad una collaborazione interdisciplinare che ha mostrato i vantaggi della realizzazione di algoritmi di apprendimento automatico in hardware neuromorfico, indicando così una direzione promettente per i sistemi di Intelligenza Artificiale di prossima generazione.