reti neurali Archivi - Scientificult

Fisica

Classificare le nanoparticelle metalliche con l’intelligenza artificiale

By ScientifiCult 9 Novembre 2023

Classificare le nanoparticelle metalliche con l’intelligenza artificiale

Una ricerca del Dipartimento di Ingegneria meccanica e aerospaziale della Sapienza ha messo a punto tecniche di intelligenza artificiale per distinguere facilmente le diverse strutture presenti in nanoparticelle di oro, argento e rame. Questo metodo migliorerà le applicazioni nell’ambito della medicina, dell’ottica e nei processi catalitici. I risultati sono pubblicati sulla rivista ACS Nano.

Le nanoparticelle metalliche giocano un ruolo importante in diverse applicazioni tecnologiche, come l’ottica e i processi catalitici. Di fondamentale importanza per la loro funzionalità sono la forma e la struttura cristallina, caratteristiche che, a causa dell’elevata frazione di atomi di superficie, possono essere molto variabili e difficili da distinguere.

Uno studio pubblicato sulla rivista ACS Nano, coordinato da Alberto Giacomello e Antonio Tinti del Dipartimento di Ingegneria meccanica e aereospaziale della Sapienza, in collaborazione con l’Università di Genova, l’Università Politecnica delle Marche e l’Istituto Italiano di Tecnologia, propone una tecnica di intelligenza artificiale capace di suddividere e classificare le strutture delle nanoparticelle in maniera automatica in base alla loro somiglianza, discriminando con grande dettaglio affinità di forma delle strutture o presenza di particolari difetti cristallini.

Mediante l’utilizzo di reti neurali simili a quelle utilizzate nell’analisi delle immagini è stato possibile generare una mappa tridimensionale dei dati. In questo modo i ricercatori sono riusciti a distinguere facilmente le diverse strutture presenti in nanoparticelle d’oro, d’argento e di rame, con un livello di dettaglio senza precedenti. Inoltre, questo approccio ha consentito di seguire e comprendere i passaggi elementari di una transizione tra due specifiche strutture, aprendo la strada a nuove tecniche accelerate di simulazione.

“È stato prima di tutto necessario individuare una grandezza fisica capace di descrivere le differenze tra le varie strutture, la funzione di distribuzione radiale – spiega Giacomello – e successivamente dall’applicazione a quest’ultima di tecniche di intelligenza artificiale, nello specifico il machine learning, è stato possibile estrarre e analizzare con maggiore semplicità le informazioni contenute nella grandezza fisica di partenza. Inoltre abbiamo potuto contare su un database molto esteso di strutture proveniente da simulazioni di dinamica molecolare svolte in precedenza dal gruppo di ricerca”.

La ricerca è stata finanziata da Progetti di ricerca di rilevante interesse nazionale (Prin), bando 2017 “Understanding and Tuning Friction through nanOstructure Manipulation (UTFROM)”, coordinato da Riccardo Ferrando esperto di nanocluster metallici dell’Università di Genova mentre l’unità di ricerca della Sapienza è coordinata da Alberto Giacomello.

Riferimenti:

Charting Nanocluster Structures via Convolutional Neural Networks – Emanuele Telari, Antonio Tinti, Manoj Settem, Luca Maragliano, Riccardo Ferrando, e Alberto Giacomello – ACS Nano (2023). https://doi.org/10.1021/acsnano.3c05653

Testo dal Settore Ufficio stampa e comunicazione Sapienza Università di Roma

Keep Reading

Fisica

Simulare l’attività cerebrale con l’intelligenza artificiale

By Carmen Troiano 9 Settembre 2022

Simulare l’attività cerebrale con l’intelligenza artificiale
“Come funziona il cervello?” Le neuroscienze si giovano dei contributi della fisica sperimentale e teorica per comprendere la complessità del cervello

Come funziona il cervello?

Il sistema nervoso umano contiene miliardi di neuroni e ciascuno di essi è connesso a decine di migliaia di altri neuroni mediante le sinapsi, che modificano la loro forza in una rete plastica la cui struttura dipende dalla storia dell’individuo e dalla selezione naturale, evolutiva, vissuta dal cervello. Ad oggi, la tecnologia disponibile consente di creare algoritmi, che sono alla base dell’intelligenza artificiale, capaci di riprodurre alcuni semplici aspetti cognitivi del cervello umano. Quest’ultimo si presenta come un sistema complesso, cioè è costituito da un elevato numero di componenti (i neuroni) che interagiscono tra loro dando vita a comportamenti collettivi emergenti. La comprensione di tali comportamenti sarebbe impossibile osservando il comportamento del singolo neurone, sebbene ad oggi, dal punto di vista biologico, si conosca tutto (o quasi) di questa cellula.

Simulare l’attività cerebrale con l’intelligenza artificiale. Immagine di Gerd Altmann

I sistemi artificiali che simulano il sistema nervoso

Molteplici sono le sfide scientifiche e tecnologiche da affrontare per ottenere sistemi artificiali con capacità cognitive realmente paragonabili a quelle umane. Il primo modello teorico di “rete neurale artificiale”, nato con lo scopo di spiegare il funzionamento del neurone, fu quello di McCulloch e Pitts nel 1943. La loro idea si è poi evoluta e negli anni abbiamo assistito alla nascita di molteplici altri modelli di reti neurali artificiali, insieme allo studio e allo sviluppo di algoritmi di machine learning (apprendimento automatico), che rappresenta il cuore computazionale dell’intelligenza artificiale. Le più recenti versioni di machine learning, basate sul deep learning (cioè su una o più reti neurali artificiali, capaci di apprendere e condensare le informazioni rilevanti), vengono largamente utilizzate nella ricerca di base.

L’intelligenza artificiale all’opera

Intelligenza artificiale, robotica e macchine neuromorfe (cioè costruite incorporando meccanismi simili a quelli biologici) assumono un ruolo chiave nella rivoluzione tecno-scientifica e industriale in atto. Siamo circondati da esempi di intelligenza artificiale e di apprendimento automatico, talvolta senza neanche rendercene conto. Basti pensare ai sistemi di riconoscimento del parlato, i prototipi di riconoscimento visivo per i sistemi di guida automatica, all’algoritmo di deep learning che c’è dietro una semplice ricerca per immagini in Google.

L’intelligenza artificiale è coinvolta anche nella comprensione della fisio-patologia cerebrale. L’impatto socio-economico delle patologie del sistema nervoso desta non poche preoccupazioni per i sistemi sanitari pubblici per cui è richiesto un approccio multidisciplinare.

Per approfondire:

Keep Reading

Fisica

Reti neurali viventi per la cura del cancro

By ScientifiCult 31 Ottobre 2020

Un team di ricercatori del Dipartimento di Fisica della Sapienza Università di Roma, dell’Istituto dei Sistemi Complessi del CNR e dell’Università Cattolica di Roma ha sviluppato un sistema di intelligenza artificiale che, inglobando il tumore in una rete neurale, è capace di monitorare il metabolismo e la crescita delle cellule cancerose e, in maniera del tutto non invasiva, gli effetti delle chemioterapie. I risultati del lavoro sono stati pubblicati sulla rivista Communications Physics

reti neurali cancro — La figura mostra l’evoluzione temporale del campione tumorale usato nella rete ottica

L’intelligenza artificiale sta cambiando non solo molti aspetti della vita quotidiana, ma anche il modo di “fare scienza”, stimolando nuovi esperimenti e suggerendo strade di ricerca finora inesplorate.

Così i sistemi di intelligenza artificiale diventano sempre più avveniristici, interdisciplinari e neuromorfici (ovvero simili ai sistemi viventi) e trovano applicazione nei più disparati settori, come l’elettronica, l’informatica, la simulazione e le diverse branche della medicina. I nuovi modelli sono sviluppati per imitare il cervello umano, sia nel funzionamento, con un consumo di energia molto ridotto per l’apprendimento, sia nella struttura, utilizzando materiali biologici.

Il team di ricercatori coordinato da Claudio Conti del Dipartimento di Fisica della Sapienza e Direttore dell’Istituto dei sistemi complessi del CNR, in collaborazione con Massimiliano Papi della Università Cattolica del Sacro Cuore di Roma, ha realizzato una rete neurale ottica che ingloba al suo interno delle cellule tumorali viventi che crescono e si moltiplicano nel tempo. Si tratta di un dispositivo ibrido, formato da tessuti viventi e parti fisiche, come lenti, specchi e computer tradizionali, che evolve nel tempo e può essere addestrato per fornire informazioni sulle cellule tumorali, il loro metabolismo e l’effetto di chemioterapia e altri trattamenti.

Nello studio, sviluppato nell’ambito del progetto PRIN “PELM: Photonic Extreme Learning Machine” e pubblicato sulla rivista Communications Physics, i ricercatori hanno utilizzato cellule tumorali di glioblastoma, un tumore gravissimo del cervello, che sono state inserite nel dispositivo ottico. Fasci laser sono stati opportunamente addestrati per attraversare le cellule tumorali, che si comportano come dei nodi di una rete neurale. A questo punto il sistema di intelligenza artificiale, agisce come una vera e propria rete neurale biologica, memorizza ed elabora i dati e successivamente codifica le informazioni contenute nella luce estratta dalle cellule tumorali.

Ma non solo, la rete neurale vivente può riconoscere gli stimoli esterni e reagire ai cambiamenti: aggiungendo alcune dosi di farmaci chemioterapici i ricercatori hanno dimostrato la capacità del modello di calcolare l’efficacia della terapia contro il glioblastoma.

La rete neurale, opportunamente addestrata, evidenzia infatti cambiamenti nel tumore non rivelabili con i metodi tradizionali, come la microscopia o le tecniche fisico-chimiche, e inoltre fornisce nuove informazioni sulla dinamica dell’evoluzione temporale e sugli effetti della temperatura, prima ottenibili solo attraverso tagli o modifiche invasive ai campioni tumorali. Il potenziale di tale tecnica sta nelle importanti ricadute applicative nel campo delle nuove tecnologie impiegate nella cura del cancro e in particolare nella nanomedicina.

“Si tratta di un’applicazione originale e innovativa dei nuovi concetti di Deep Learning alla fisica – spiega Claudio Conti. L’idea è che possiamo usare questi modelli matematici non solo per fare operazioni semplici come il riconoscimento delle immagini, ma anche fare esperimenti decisamente non convenzionali, che sfruttano la fisica e la biofisica con un approccio interdisciplinare”.

Riferimenti:

Living optical random neural network with three dimensional tumor spheroids for cancer morphodynamics – D.Pierangeli, V.Palmieri, G.Marcucci, C.Moriconi, G.Perini, M.DeSpirito, M.Papi, C.Conti – Communications Physics (2020) DOI: https://doi.org/10.1038/s42005-020-00428-9

Testo e immagini dalla Sapienza Università di Roma

Keep Reading