Così un neurone artificiale genera forme d’onda abbastanza pertinenti da attivare cellule vere

Fra i problemi più difficili della neuroelettronica contemporanea ce n’è uno che per anni ha frenato gli avanzamenti: costruire un neurone artificiale capace di generare impulsi abbastanza simili a quelli biologici da poter entrare davvero in relazione con cellule nervose vive, usando al tempo stesso una tecnologia fabbricabile su larga scala, su supporti flessibili e con costi compatibili con applicazioni future. È precisamente questo il nodo affrontato da uno studio appena pubblicato su Nature Nanotechnology, in cui gli autori hanno preso di petto il cuore del problema: la neuromorfica e le biointerfacce hanno bisogno di neuroni artificiali che riproducano la ricchezza dinamica del segnale nervoso biologico, però i dispositivi ottenuti sin qui con processi di stampa in soluzione e con caratteristiche fisiologicamente pertinenti non si sono dimostrati sufficienti.

Vediamo di spiegare. Un circuito digitale convenzionale ottiene complessità moltiplicando un enorme numero di elementi identici, i transistor, organizzati su chip rigidi e bidimensionali. Il tessuto nervoso segue un’altra logica fisica: è soffice, tridimensionale, eterogeneo, in continuo riassetto, e i suoi neuroni non emettono tutti lo stesso segnale. Proprio qui si collocava il limite di molti neuroni artificiali precedenti: alcuni producevano impulsi troppo semplici, altri lavoravano fuori dall’intervallo temporale utile per una buona compatibilità con la fisiologia, e per ottenere comportamenti più ricchi costringevano a costruire reti grandi e ad alto consumo energetico. La conseguenza era un paradosso tecnico ben noto: si cercava di imitare il cervello con hardware che continuava a portarsi dietro l’impronta dell’elettronica classica.

La soluzione proposta nel nuovo lavoro nasce da un’idea interessante. I dispositivi sono ottenuti con aerosol jet printing, una tecnica di stampa additiva che deposita inchiostri elettronici su un substrato polimerico flessibile. Il componente decisivo è una rete di memristori, cioè elementi la cui resistenza elettrica dipende anche dalla storia recente del segnale che li attraversa; per questo possiedono una dinamica molto più adatta a imitare i comportamenti neuronali rispetto a un componente statico tradizionale. Il passaggio ingegnoso riguarda il polimero stabilizzante presente nell’inchiostro usato per i circuiti stampati: in molti approcci veniva rimosso perché ostacolava il flusso di corrente, mentre qui viene sfruttato come parte attiva. Quando il dispositivo conduce, il riscaldamento per effetto Joule induce una decomposizione locale del polimero e favorisce la formazione di un filamento ristretto in cui la corrente si “concentra”. Da questa costrizione locale emerge il comportamento di soglia volatile che consente la generazione di un picco di segnale elettrico (tecnicamente uno spike) simile a quello dei neuroni. 

Il risultato tecnico diventa importante perché da questa fisica locale deriva una ricchezza di comportamento che avvicina il dispositivo al repertorio neuronale reale. Il lavoro mostra circuiti capaci di oscillazioni e spike con frequenze regolabili fino a 20 kHz e con funzionamento stabile oltre un milione di cicli. Il lavoro mostra che i “neuristor” – così sono stati chiamati questi circuiti - non producono sempre lo stesso impulso, ma una gamma di comportamenti elettrici diversi. In alcuni casi accumulano progressivamente il segnale in ingresso fino a raggiungere una soglia, e solo allora scaricano; in altri introducono un ritardo misurabile prima dell’impulso; in altri ancora emettono scariche regolari e continue, oppure raffiche di impulsi ravvicinati separate da pause. Gli autori descrivono anche risposte “fasiche”, cioè brevi e transitorie, contrapposte a risposte “toniche”, più persistenti nel tempo. Nel complesso, questo significa che il dispositivo non replica una sola forma elementare di attività nervosa, ma un piccolo repertorio di comportamenti che si avvicina meglio alla varietà reale dei neuroni biologici. Il modo di rispondere del dispositivo varia secondo l’architettura del circuito e le condizioni di stimolazione, dunque si avvicina molto di più alla varietà operativa dei neuroni biologici. Questo punto conta perché una maggiore ricchezza nel singolo elemento riduce il bisogno di ottenere complessità soltanto attraverso la moltiplicazione del numero dei componenti.

Il passaggio che dà al lavoro il suo peso specifico, però, è la dimostrazione dell’integrazione biologica. Gli spike generati da questi neuroni artificiali presentano tempi e forme compatibili con le scale fisiologiche e sono stati applicati a fette di cervelletto murino. In quel contesto hanno stimolato neuroni di Purkinje, cellule centrali dei circuiti cerebellari. Il lavoro ha così dimostrato che un segnale prodotto da un dispositivo stampato e flessibile può essere riconosciuto come efficace da un tessuto nervoso vivo. Qui si chiude un problema che da anni restava aperto fra ingegneria, neuroscienze e bioelettronica, perché la somiglianza astratta con il neurone lasciava il posto a una verifica sperimentale di compatibilità funzionale. Il confine superato da questo studio sta tutto qui: non più soltanto un neurone artificiale capace di scaricare un segnale elettrico, bensì un neurone artificiale che genera forme d’onda abbastanza pertinenti da attivare cellule vere.

Si aprono quindi almeno due prospettive molto interessanti. La prima riguarda le interfacce cervello-macchina e le neuroprotesi. Un dispositivo flessibile, stampabile e a basso costo, capace di produrre spike fisiologicamente rilevanti, ha un interesse immediato per tutti i sistemi che devono inviare segnali al sistema nervoso: impianti per udito, visione, movimento, e più in generale biointerfacce che richiedono una comunicazione elettrica più fine con il tessuto nervoso. Il lavoro si ferma a una dimostrazione ex vivo su fette cerebellari di topo, per cui la strada verso applicazioni cliniche comprende ancora stabilità a lungo termine, risposta immunitaria, controllo preciso dei pattern di stimolazione, integrazione in dispositivi completi e validazione in condizioni fisiologiche più complesse. Però il passaggio decisivo, quello dell’attivazione di neuroni vivi mediante spike generati da un neurone artificiale stampato, adesso esiste come fatto sperimentale.

La seconda prospettiva riguarda il calcolo neuromorfico, cioè la costruzione di dispositivi elettronici che elaborano l’informazione in modo più simile alle reti di neuroni che ai circuiti digitali convenzionali; su questo sfondo si profila anche il problema energetico dell’attuale intelligenza artificiale. La crescita del consumo elettrico richiesto dall’AI contemporanea va infatti paragonata al cervello come modello di efficienza energetica di gran lunga superiore a quello del calcolo digitale. Il punto non sta in una somiglianza di facciata con il cervello, ma in una strategia diversa per ottenere potenza computazionale: una parte maggiore della complessità viene incorporata nel comportamento fisico del dispositivo stesso. Quando un singolo elemento artificiale possiede un repertorio dinamico più ricco, l’hardware può svolgere operazioni più complesse con meno spreco architetturale, con meno elementi identici e con una base materiale più adatta a un’elettronica a basso consumo. Gli stessi autori presentano infatti i loro circuiti stampati come una piattaforma scalabile per hardware neuromorfico bio-realistico e per interfacce flessibili con il cervello. Da qui in avanti la neurotecnologia dispone di un nuovo tipo di mattone sperimentale: abbastanza semplice da essere fabbricato in modo scalabile, abbastanza ricco da produrre comportamenti neuronali complessi, abbastanza pertinente da entrare nel linguaggio elettrico delle cellule nervose. Sapremo usarlo per qualcosa di diverso dai prossimi robot militari?