Le due versioni sono allineate blocco per blocco, nell’ordine del testo: titolo, l’essenziale, poi paragrafo per paragrafo. Quando la traduzione ha fuso o diviso un paragrafo, la casella corrispondente resta vuota — non accostiamo mai due passaggi a occhio.
In a few minutes, a chip made by researchers in Suzhou, China, can switch its state in 26 nanoseconds and then dissolve in six minutes. The chip is a flexible array of 100 artificial synapses, the connections that let a brain store and change what it has learned. It exists so far in the laboratory.
In pochi minuti, un chip realizzato da ricercatori di Suzhou, in Cina, può cambiare il proprio stato in 26 nanosecondi e poi dissolversi in sei minuti. Il chip è una matrice flessibile di 100 sinapsi artificiali, cioè le connessioni che permettono al cervello di immagazzinare e modificare ciò che ha appreso. Per ora esiste solo in laboratorio.
The brain runs on roughly the energy of a refrigerator bulb, partly because memory and processing happen in the same place. Ordinary computers separate the two. Artificial intelligence, which needs billions of interconnected values at once, forces data to travel back and forth between them, and that traffic costs energy and time. Engineers have tried to copy the brain's layout with rigid devices such as memristors, usually built from silicon, hafnium oxide or titanium dioxide and layered with heavy metals like platinum or tungsten. Their metallic filaments grow along unpredictable paths, so no two devices on a chip behave quite alike, and their brittle materials cannot easily bend or sit against living tissue.
Il cervello funziona con all'incirca l'energia di una lampadina da frigorifero, anche perché memoria ed elaborazione avvengono nello stesso luogo. I computer tradizionali tengono separate le due cose. L'intelligenza artificiale, che richiede contemporaneamente miliardi di valori interconnessi, costringe i dati a viaggiare avanti e indietro tra le due sezioni, e questo traffico costa energia e tempo. Gli ingegneri hanno cercato di copiare la disposizione del cervello con dispositivi rigidi come i memristori, di solito realizzati con silicio, ossido di afnio o biossido di titanio e rivestiti con metalli pesanti come platino o tungsteno. I loro filamenti metallici crescono lungo percorsi imprevedibili, quindi due dispositivi dello stesso chip non si comportano mai esattamente allo stesso modo, e i materiali fragili non si piegano facilmente né aderiscono ai tessuti viventi.
The Suzhou team's device replaces those materials with a hydrogen-bonded organic framework, called TCPP-HOF. Its building blocks are porphyrin molecules, which assemble into flat sheets stacked about 0.35 nanometers apart. Charges move through this ordered structure more easily than through a disordered organic film. A positive voltage traps electrons in the framework and lowers resistance; a negative voltage releases them and raises it again. That back-and-forth is what lets the device imitate a synapse strengthening or weakening over time. The team sandwiched this layer between two MXene electrodes on a flexible polyimine plastic, and deposited everything with liquid coating methods rather than the vacuum equipment that conventional chip manufacturing relies on. The result is a 10 x 10 array that can hold 10 distinct conductance levels.
Il dispositivo del team di Suzhou sostituisce quei materiali con una struttura organica legata da idrogeno, chiamata TCPP-HOF. I suoi elementi costitutivi sono molecole di porfirina, che si dispongono in lamine piatte impilate a circa 0,35 nanometri di distanza. Le cariche si muovono attraverso questa struttura ordinata più facilmente che in un film organico disordinato. Una tensione positiva intrappola gli elettroni nella struttura e riduce la resistenza; una tensione negativa li rilascia e la fa di nuovo salire. Questo va e vieni è ciò che permette al dispositivo di imitare una sinapsi che si rafforza o si indebolisce nel tempo. Il team ha inserito questo strato tra due elettrodi di MXene su una plastica flessibile di poliimmina, e ha depositato tutto con metodi di rivestimento liquido anziché con le apparecchiature a vuoto su cui si basa la produzione tradizionale di chip. Il risultato è una matrice 10 x 10 capace di mantenere 10 livelli di conduttanza distinti.
The headline figure of 97.23% accuracy on handwritten digits needs a precise reading. The researchers fed their device measurements into a convolutional neural network trained on the standard MNIST dataset, and the network reached 97.23%, close to the 99.24% of the software reference. But that network represents about 120,000 synapses; the task was not run on the 100 physical devices themselves. The result shows the hardware's measured behaviour is usable for recognition. It does not yet show a chip of 100 synapses doing the work alone.
Il dato principale, la precisione del 97,23% sulle cifre scritte a mano, va letto con attenzione. I ricercatori hanno inserito le misure del dispositivo in una rete neurale convoluzionale addestrata sul dataset standard MNIST, e la rete ha raggiunto il 97,23%, vicino al 99,24% del riferimento software. Ma quella rete rappresenta circa 120.000 sinapsi; il compito non è stato eseguito sulle 100 unità fisiche. Il risultato dimostra che il comportamento misurato dell'hardware è utilizzabile per il riconoscimento. Non dimostra ancora che un chip di 100 sinapsi possa svolgere il lavoro da solo.
What changes, and for whom? The answer, for now, lies with research teams in flexible electronics, soft robotics and implantable medical devices, who need components that bend, sit on irregular surfaces and can be broken down without toxic residue. The sources give no timeline, no production cost and no plan for a larger array, and the report does not state how the bending test ended. The device is a promising demonstration, not a product. Its next test is whether these properties survive the step from one array to the large networks that real AI systems use.
Cosa cambia, e per chi? La risposta, per ora, riguarda i gruppi di ricerca nell'elettronica flessibile, nella robotica morbida e nei dispositivi medici impiantabili, che hanno bisogno di componenti capaci di piegarsi, aderire a superfici irregolari ed essere degradati senza residui tossici. Le fonti non indicano alcuna tempistica, nessun costo di produzione e nessun piano per una matrice più grande, e il rapporto non dice come si sia concluso il test di piegatura. Il dispositivo è una dimostrazione promettente, non un prodotto. Il prossimo banco di prova sarà verificare se queste proprietà reggano il passaggio da una matrice alle grandi reti che usano i sistemi di intelligenza artificiale reali.