Le nuove tecnologie per l'analisi della natura e la sua emulazione: dall'elettronica nelle neuroscienze alle reti neurali artificiali

Responsabile didattico: Antonio Abramo

Durata: 28 ore

Periodo didattico: secondo semestre

Programma

SETTORE SCIENTIFICO DISCIPLINARE: ING-INF/01

14h - prof. Antonio Abramo

14h - prof. Pierpaolo Palestri

PROGRAMMA:

Il corso si rivolge potenzialmente agli studenti di Ingegneria Elettronica, Ingegneria Gestionale, Ingegneria Meccanica, Ingegneria per l'Ambiente e l'Energia, Biotecnologie, Informatica, Matematica applicata.

In tempi recenti, la disponibilità di sistemi di elaborazione delle prestazioni sempre crescenti ha abilitato l'utilizzo di modelli matematici in grado di affrontare il problema della estrazione del valore da grandi moli di dati digitali. Come è noto, infatti, l'enorme messe di informazioni che vengono istantaneamente immagazzinate dalle sorgenti più disparate (Social Media, contenuti digitali, monitoraggio ambientale, sistemi di sorveglianza) pone il serio problema di come recuperare le informazioni di interesse sommerse da informazioni non rilevanti, ma, soprattutto, di come evidenziare eventuali correlazioni, in generale non note, tra le informazioni stesse al fine di intercettare i trend presenti e prevenire quelli futuri, così da poter organizzare risposte adeguate a risolvere gli eventuali problemi o sfruttare gli eventuali vantaggi connessi con i trend medesimi. A ciò si aggiungono scenari tecnologici e di contesto connessi con lo sviluppo di nuove tecnologie e infrastrutture basate sull'informazione, quali Servitization, Autonomous Driving, Homeland Security, Biology, Epidemics e altre.

Tutto questo, data la complessità dei fenomeni coinvolti, rende di difficile utilizzo il più convenzionale e consolidato approccio model Based, in quanto la modellistica non riesce più a inseguire la rapida evoluzione di questi scenari e l'enormità delle moli dei dati ad esse connesse. Ecco che, dunque, si sono andati progressivamente (ri)affermando modelli diversi di computazione, in particolare non algoritmici, basati su strumenti di Intelligenza Artificiale, la cui finalità primigenia di realizzazione di un modello sintetico del Computer Umano, il cervello, ha lasciato il posto a quelle più ingegneristiche legate all'utilizzo applicato dell'Intelligenza Artificiale ai contesti sopra citati: se un algoritmo convenzionale altro non è che una funzione, nel significato matematico del termine, che attraverso il modello (algoritmo; noto) mappa gli ingressi (dati del problema; noti) sulle uscite (risultato; incognito), gli strumenti di Intelligenza Artificiale, viceversa, attraverso i dati di uscita (misurazioni; note) mappano gli ingressi (dati del problema; noti) sul modello (risultato; incognito). Da qui, da un lato la potenza dei modelli di Intelligenza Artificiale, dall'altro le perplessità sulla loro adozione legate alla sensazione di "Black Magic" che scaturisce dal loro utilizzo. 

In questo contesto, le tecnologie nano-elettroniche e dell'informazione, oltre a permettere la realizzazione di reti neurali artificiali e ad abilitarne l'utilizzo, forniscono anche un sostanziale aiuto ai ricercatori attivi nell'ambito delle neuroscienze. Sono infatti disponibili oggi matrici di sensori in grado di registrare i segnali prodotti dai singoli neuroni. Questo, insieme all'uso di potenti algoritmi computerizzati, permette di ricostruire la struttura delle reti neurali biologiche e di comprenderne il funzionamento, con ricadute sia nel campo medico (esempio ne sia la ricerca di cure per malattie neurologiche quali l'epilessia) che nella comprensione della struttura e funzionamento di reti neurali biologiche complesse ed efficienti (si pensi alla visione negli esseri viventi). Infine, la possibilità di fornire stimoli artificiali alle reti neurali naturali apre la strada a nuovi tipi di interazione di tipo Uomo-Macchina, nei quali dispositivi artificiali esterni possano dialogare con complesse reti di neuroni biologici, stimolandole e rilevandone le risposte.

 

MODULO I: Reti neurali artificiali e nuovi paradigmi computazionali (14h)

DOCENTE: prof. Antonio Abramo

CONTENUTI PRINCIPALI: In questo modulo didattico verranno esplorati gli ambiti tecnologici hardware e software connessi con gli scenari appena descritti, da una prospettiva "macroscopica", legata cioè alla tecnologia integrata per la realizzazione degli elementi circuitali necessari allo sviluppo di dispositivi embedded di Intelligenza Artificiale e alla loro applicazione ad ambiti di interesse, a quella "macroscopica", legata al contesto teorico e strumentale (software) per l'analisi e la validazione dei modelli di Intelligenza Artificiale nei diversi contesti applicativi. In dettaglio, gli argomenti trattati nelle 7 lezioni da 2 ore ciascuna saranno: 1) Dal Neurone Artificiale alle Reti Neurali; 2) Tipologie e ambiti di utilizzo delle Deep Neural Network; 3) La simulazione delle Reti Neurali Artificiali; 4) Implementazione e utilizzo di software per Reti Neurali; 5) Tecnologie nanoelettroniche per la realizzazione di Circuiti Neurali; 6) Elementi di computazione Bio-inspired; 7) Elementi di Meccanica Quantistica e Quantum Computing.

 

MODULO II: Interazione tra dispositivi elettronici e neuroni (14h)

DOCENTE: prof. Pierpaolo Palestri

CONTENUTI PRINCIPALI: Il modulo analizza le tecniche usate per stimolare neuroni in-vivo e in-vitro e per acquisire ed elaborare i segnali elettrici prodotti dagli stessi. In dettaglio, gli argomenti trattati nelle 7 lezioni da 2 ore ciascuna saranno: 1) Introduzione all'interfacciamento elettronica/neurone biologico; 2) Fondamenti di Elettrochimica; 3) Complementi di Elettrochimica; 4) Sensori elettronici di specie ioniche e biologiche; 5) Sensori di segnali neurali; 6) Reverse Engineering di neurali biologiche da misure elettriche; 7) Esempi di convergenza tra tecnologie dell'informazione, biologia e medicina (imaging medicale, chip per il sequenziamento del DNA). Il modulo sfrutterà il coinvolgimento del docente nel progetto europeo "Ionic Neuromodulation For Epilepsy Treatment" (acronimo IN-FET) che ha come obiettivo lo sviluppo di sistemi di attuazione ionica (sistemi elettrochimici in grado di rilasciare quantità definite di ioni di diverse specie) per stimolare i neuroni. 


Elenco corsi 2020/2021