Stanford trasforma uno spin glass quantistico in una memoria associativa

Una memoria associativa ricostruisce un’informazione completa a partire da un indizio incompleto o disturbato: per esempio, riconoscere un volto in una foto sfocata. Il gruppo di Benjamin Lev a Stanford ha mostrato questo comportamento in una rete fisica di atomi ultrafreddi e luce. L’aspetto più insolito è che ha trasformato in risorsa proprio il comportamento da spin glass che, nelle reti di Hopfield classiche, tende a ostacolare il recupero dei ricordi. In un sistema da 16 spin, i ricercatori riferiscono una capacità di memorizzazione fino a sette volte superiore al limite classico di Hopfield. 14

Atomi come neuroni, luce come sinapsi

La piattaforma è una cavità ottica multimodale, quasi confocale, che contiene gas atomici condensati di Bose. Ogni insieme atomico intrappolato si comporta come uno spin effettivo, cioè come un nodo della rete. I numerosi modi della cavità trasportano fotoni che mediano le interazioni tra gli spin atomici.

Nell’analogia con una rete neurale artificiale, gli insiemi atomici sono i neuroni e i modi ottici della cavità svolgono il ruolo delle sinapsi. 324

Il punto di forza di questa architettura è che le interazioni mediate dai fotoni collegano spin anche lontani tra loro, non soltanto vicini immediati. Le connessioni sono di fatto estese a tutta la rete e possono avere segni diversi: è la combinazione che genera la frustrazione tipica di uno spin glass. 29

I pattern vengono codificati nella connettività della rete e letti otticamente. Osservando luce in ingresso e in uscita dalla cavità, l’esperimento può verificare se un pattern parziale evolve verso uno dei pattern memorizzati. 2414

Perché lo spin glass è un problema nella rete di Hopfield

Nel modello classico di Hopfield, i ricordi sono attrattori: configurazioni verso cui una rete di spin tutti connessi tende a convergere. Se però si tenta di conservare troppi pattern, i vincoli in competizione producono frustrazione. Il paesaggio energetico si riempie allora di minimi indesiderati, o spurî, entrando nel regime di spin glass. In condizioni di equilibrio, questi minimi extra compromettono un richiamo affidabile. 28

Per una rete da 16 spin, la stima termodinamica nota per Hopfield, circa (0,14N), equivale a circa 3,6 pattern. È un riferimento teorico: non significa che ogni implementazione finita con 16 nodi debba recuperare esattamente 3,6 memorie.

Da stati vetrosi a ricordi recuperabili

Il gruppo di Lev non ha fatto funzionare il sistema come una rete di Hopfield all’equilibrio. La rete è guidata e dissipativa: un pompaggio ottico esterno introduce energia nel sistema atomi-fotoni, mentre la perdita di fotoni e altri canali dissipativi la rimuovono. Questa dinamica fuori equilibrio cambia quali stati risultano stabili e riproducibili.

Il risultato centrale è che minimi vetrosi, dannosi per il richiamo in equilibrio, possono diventare attrattori affidabili in questo contesto guidato-dissipativo. Il gruppo riporta una capacità associativa fino a sette volte oltre il limite di Hopfield nella rete da 16 spin. 14

Le descrizioni dell’esperimento parlano di circa 12 memorie richiamate nella configurazione a 16 spin, contro il riferimento hopfieldiano di circa 3,6 pattern; allentando le trappole atomiche, la capacità riportata arriva a circa 25 memorie. Il confronto principale indicato nello studio resta il miglioramento fino a sette volte. Sono risultati su piccola scala e una dimostrazione di principio, non una legge di scalabilità già valida per i sistemi di IA. 411

Il moto degli atomi come plasticità temporanea

Gli insiemi atomici non sono spin matematici immobili. Il loro moto è accoppiato alle interazioni spin-spin mediate dai fotoni: una certa configurazione di spin può modificare lo stato di moto delle nubi atomiche e quel movimento può, a sua volta, cambiare la connettività della rete.

I ricercatori chiamano questo effetto un’“elasticità” polaronica. In termini funzionali, le sinapsi efficaci diventano dipendenti dall’attività e variabili nel tempo: gli stati recenti della rete possono influenzare la dinamica del richiamo successivo. Il paragone proposto dal team è con la plasticità sinaptica a breve termine, non con l’apprendimento permanente o l’addestramento stabile dei pesi. 14

Allentare le trappole consente agli atomi di muoversi di più e i risultati riportati associano questa maggiore mobilità a una capacità di memoria più elevata. In questa piattaforma, quindi, il moto atomico non è solo rumore sperimentale da eliminare: può diventare un ingrediente del calcolo. 411

Cosa dimostra — e cosa non dimostra — il risultato

Il lavoro apre una strada sperimentale per la memoria associativa basata sulla dinamica collettiva, fuori equilibrio, di atomi e fotoni. Offre anche un controllo e un’imaging microscopici particolarmente diretti di una rete da spin glass guidata e dissipativa. Lavori correlati del gruppo hanno realizzato reti cavity-QED da spin glass con fino a 25 spin effettivi. 2930

Non dimostra però un’alternativa pronta all’uso a GPU, memoria convenzionale o hardware neurale a temperatura ambiente. L’apparato richiede gas atomici ultrafreddi, trappole ottiche, laser di precisione, alto vuoto e una cavità multimodale stabilizzata. Per valutare l’energia impiegata bisogna includere tutta questa infrastruttura: le prove disponibili non stabiliscono un vantaggio energetico complessivo per il calcolo di IA.

La direzione di ricerca resta comunque rilevante. Suggerisce che sistemi fisici con connessioni adattive e dinamiche collettive fuori equilibrio possano offrire approcci alternativi a quelli digitali per specifici problemi di memoria e ottimizzazione. Le pubblicazioni del gruppo indicano inoltre lavoro su spin glass guidati-dissipativi e fenomeni quantistici, incluso l’entanglement. Se questi elementi produrranno un vantaggio computazionale utile su larga scala è una questione ancora aperta sperimentalmente. 629