Il cervello umano funziona interamente tramite reazioni chimiche, eppure viene considerato il computer più potente al mondo. Il progetto europeo CORENET ha verificato se un principio simile si possa sfruttare in laboratorio: reti di reazioni chimiche in reattori microfluidici hanno elaborato dati e l’intelligenza artificiale ne ha letto le risposte. È un campo in cui chimica, informatica e analisi dei dati siedono allo stesso tavolo – e alla fine puoi verificare se questo modo di lavorare fa per te.
Quando si parla di computer, di solito vengono in mente processori, cavi e schermi. Il materiale pubblicato da CORDIS parte invece da un altro paragone: il computer più potente al mondo è il cervello umano, e funziona interamente tramite reazioni chimiche. Da qui la domanda che si sono posti i ricercatori del progetto europeo CORENET: la chimia può fare da modello per un tipo di calcolo completamente nuovo?
Il progetto, finanziato dall’UE attraverso il Consiglio europeo per l’innovazione, sta realizzando dispositivi informatici che imitano il cervello. Al loro interno le informazioni vengono elaborate da reti di reazioni chimiche. Le molecole diventano portatrici di dati e le loro trasformazioni diventano il modo di elaborarli. Il lavoro fa parte della strategia, portata avanti nell’ambito di progetti finanziati dall’UE, volta a promuovere l’apprendimento automatico.
Wilhelm Huck, docente e responsabile del team di CORENET presso l’Università Radboud nei Paesi Bassi, spiega l’idea così: «Ci siamo ispirati al cervello umano, che è di per sé un elaboratore chimico.» E aggiunge: «Ci siamo quindi prefissati di dimostrare che le reti di reazione dinamiche contenute in ambienti microfluidici possono eseguire compiti computazionali di alto livello».
La tecnica utilizzata dagli scienziati si chiama reservoir computing. Il team l’ha implementata su chip microfluidici, cioè in minuscoli reattori attraverso i quali scorrono sostanze chimiche. Il punto di partenza è uno strato di input chimico costituito da:
Insieme, questi elementi formano il serbatoio. Le reazioni hanno inizio da semplici molecole di partenza a uno o due atomi di carbonio e poi espandono lo spazio chimico, fino a generare decine di composti più complessi a livello strutturale.
Il punto fondamentale è che il risultato delle reazioni non è casuale. Le condizioni iniziali sono correlate con il prodotto finale: impostazioni diverse all’inizio danno uno schema diverso di molecole alla fine. Questa risposta chimica può poi essere analizzata.
Qui entrano in gioco l’intelligenza artificiale e l’apprendimento automatico. Gli algoritmi estraggono dalla risposta chimica informazioni significative. In pratica, le reazioni svolgono una parte del lavoro di calcolo e gli strumenti di IA aiutano a leggerne il significato.
Un risultato fondamentale è stato lo sviluppo e l’automazione dei flussi di lavoro di calcolo basati su serbatoi chimici. Gli input chimici che scorrevano attraverso reattori microfluidici producevano output non lineari, che venivano analizzati e interpretati per risolvere problemi di classificazione e previsione – compiti ben noti a chiunque abbia lavorato con l’apprendimento automatico.
I ricercatori hanno inoltre definito protocolli per il controllo, il monitoraggio e la gestione di queste reti di reazioni. Secondo CORDIS, si tratta di un passo in avanti significativo verso il calcolo molecolare scalabile.
I risultati sono stati descritti in un articolo di primaria importanza pubblicato su «Nature» con il titolo «Chemical reservoir computation in a self-organizing reaction network». L’articolo ha messo in evidenza come le reazioni di formosio e i sistemi correlati possano fungere da substrati per il calcolo molecolare. Il progetto sta ultimando lavori di approfondimento che dovranno dimostrare che il concetto si può generalizzare, con un reservoir computer performante dotato di una rete di reazioni di nuovo sviluppo.
CORENET mostra quanto si stiano sfumando i confini tra i corsi di laurea. Andres de la Escosura, coordinatore del progetto e docente associato presso l’Università autonoma di Madrid, sottolinea che il successo è nato dalla collaborazione di molte specializzazioni: «Siamo stati entusiasti del successo ottenuto dall’approccio e del modo in cui il nostro straordinario gruppo di scienziati del mondo accademico e industriale si sia unito per affrontare questa grande sfida di combinare chimica dei sistemi, microfluidica, metabolomica e IA».
Chi sta scegliendo un corso di laurea o una specializzazione può trarne alcune conclusioni. Una chimica che conosce l’analisi dei dati può entrare in un team che lavora sul futuro del calcolo. Un informatico o uno specialista di apprendimento automatico può trovare compiti interessanti là dove i dati non arrivano da uno schermo, ma da un microreattore. Vale la pena notare anche che scienziati accademici e industriali hanno lavorato fianco a fianco: questo tipo di ricerca non resta chiuso tra le mura dell’università.
Guardando a ciò di cui si è occupato il team, in progetti di questo tipo si incontrano ogni giorno diversi ambiti di conoscenza: la chimica delle reazioni e la catalisi, la microfluidica, l’analisi della composizione delle miscele e l’apprendimento automatico. Nessuno deve padroneggiarli tutti insieme, ma è più facile trovare il proprio posto in un team simile se si capisce il linguaggio delle discipline vicine.
CORENET è un tentativo di costruire dispositivi di calcolo in cui le reazioni chimiche elaborano le informazioni, sull’esempio del cervello umano. I ricercatori hanno dimostrato che le reti di reazioni in reattori microfluidici producono risposte che l’intelligenza artificiale riesce a trasformare in soluzioni a problemi di classificazione e previsione. Per un lavoro simile servono persone di ambiti diversi, dalla chimica dei sistemi all’IA.
Questo articolo si basa su materiale pubblicato dal servizio CORDIS della Commissione europea.
5 domande · un minuto
English
Čeština
Deutsch
Español
Français
Magyar
Italiano
Polski
Português
Русский
Slovenčina
Türkçe
Українська
العربية
中文