Contenuto principale della pagina Menu di navigazione Modulo di ricerca su uniPi

Intelligenza Artificiale sostenibile: le future reti neurali artificiali saranno a basso impatto energetico

Claudio Gallicchio dell’Università di Pisa unico italiano del team composto da ricercatori delle più prestigiose università cinesi e di Hong Kong. La ricerca pubblicata su Nature Machine Intelligence, rivista del gruppo Nature

  • Condividi l'articolo su Facebook
  • Condividi su Twitter
  • Condividi su Google Plus

Contribuire a una intelligenza artificiale sostenibile e progettare reti neurali artificiali a basso impatto energetico è l’obiettivo di uno studio recentemente pubblicato su Nature Machine Intelligence, prestigiosa rivista del gruppo Nature. Claudio Gallicchio (foto) del Dipartimento di Informatica dell’Università di Pisa è l’unico italiano che ha partecipato alla ricerca insieme ad un team di studiosi delle più importanti università cinesi e di Hong Kong.

“In questo studio – spiega Claudio Gallicchio – 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 nello specifico 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.


“Da un punto di vista informatico – sottolinea Claudio Gallicchio - 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.

06-03-2023

Questo sito utilizza solo cookie tecnici, propri e di terze parti, per il corretto funzionamento delle pagine web e per il miglioramento dei servizi. Se vuoi saperne di più, consulta l'informativa