giovedì 22 ottobre 2020

Così il cervello interpreta il movimento: craccato il codice (come si comprendono le intenzioni degli altri).

 

-----------------------------
E' stato craccato il codice del movimento: non hanno più segreti le aree del cervello che permettono di comprendere sia il movimento altrui, sia gli elementi che aiutano a comprendere le intenzioni degli altri. La scoperta, pubblicata sulla rivista Current Biology si deve al gruppo multidisciplinare dell'Istituto Italiano di Tecnologia (IIT) che ha riunito esperti di scienze computazionali, neuroscienze e scienze cognitive, con Cristina Becchio e Stefano Panzeri. Alla ricerca ha collaborato il gruppo dell'Università di Bologna diretto dallo psicobiologo Alessio Avenanti.

I risultati aprono, da un lato, la via ad applicazioni nella robotica mediante la realizzazione di robot capaci di leggere le intenzioni altrui e, dall'altro, potranno aiutare a capire le difficoltà che le persone con autismo incontrano nel leggere le intenzioni altrui, fornendo una base per future terapie.

Modelli matematici applicati all'analisi di centinaia di movimenti hanno permesso di ottenere mappe motorie che permettono di interpretare le variazioni impercettibili nel movimento che possono essere la spia di intenzioni, emozioni, aspettative e decisioni. Per esempio, basta vedere una persona che afferra una bottiglia per prevedere se intende bere o passare la bottiglia ad un'altra persona.

Per avere un'idea della complessità della ricerca basti pensare che un gesto come questo è codificato da 64 dimensioni, 16 variabili di movimento in quattro intervalli di tempo. Tecniche non invasive di analisi dell'attività cerebrale hanno poi permesso di identificare nel lobo parietale sinistro l'area cerebrale che legge i movimenti, permettendo di decodificarne le intenzioni.

"Ad oggi, il linguaggio motorio delle intenzioni non era noto. Per decifrarlo abbiamo applicato alla cinematica del movimento, ovvero alle caratteristiche spazio-temporali del movimento, strumenti matematici sviluppati per decifrare il codice neurale", osserva Becchio. "Questo approccio - ha aggiunto - ci ha permesso di capire non solo come l'informazione è scritta nel movimento, ma anche come viene letta da chi osserva e quali sono le computazioni coinvolte nel processo di lettura".

Un correttore per i futuri computer quantistici: Evita la dispersione di informazioni.

---------------------------

Arriva il correttore dei computer quantistici. Messo a punto con un importante contributo italiano, impedisce la dispersione di informazioni in caso di errori. È presentato nello studio pubblicato sulla rivista Nature dal gruppo coordinato dall’Università austriaca di Innsbruck e dalla l’Università Tecnica tedesca di Aquisgrana, al quale l’Italia partecipa con Davide Vodola, del dipartimento di fisica e astronomia dell’Università di Bologna.

Attesi da decenni , i computer quantistici sfruttano le bizzarre proprietà del mondo degli atomi per aumentare le capacità di calcolo. Potrebbero, in teoria, svolgere un compito che a un computer tradizionale richiederebbe un tempo lunghissimo, che può anche andare oltre l’età conosciuta dell’universo.

Ma anche i computer quantistici possono commettere errori. Per questo, spiega Vodola all’ANSA, “abbiamo messo a punto un nuovo protocollo in grado di correggere e proteggere le informazioni quantistiche in caso di errori dovuti alla perdita di qubit”, le unità di informazione di base di questi computer del futuro. “I qubit, infatti, sono molto fragili e soggetti a errori dovuti a interazioni con l’ambiente esterno. Quindi - aggiunge l’esperto - sviluppare un processore quantistico pienamente funzionante rappresenta ancora una grande sfida per gli scienziati di tutto il mondo”.

L’Europa ha lanciato un ambizioso programma sulle tecnologie quantistiche finanziato dalla Commissione Europea con 1 miliardo di euro. L’iniziativa, che richiederà dieci anni di lavoro, vede l’Italia in prima fila con il Consiglio Nazionale delle Ricerche (Cnr). “Il nostro protocollo, provato su un processore quantistico a ioni intrappolati - conclude Vodola - può essere utilizzato anche su altre architetture di qubit e potrà rivelarsi fondamentale per il futuro sviluppo di processori quantistici su larga scala”.

mercoledì 21 ottobre 2020

Ecco come i ricordi duraturi si fissano nel cervello.

 

Fonte: Focus
----------------
Nel processo che trasforma un ricordo evanescente in una traccia che si conserva nel tempo entrano in gioco almeno due circuiti cerebrali, uno con una funzione eccitatoria e un altro con funzioni inibitorie. Il primo era noto da tempo, il secondo è una nuova scoperta di un gruppo di neuroscienziati della McGill University (Canada), come racconta uno studio su Nature.
I neuroni eccitatori sono coinvolti nella creazione del ricordo vero e proprio, quelli inibitori si occupano invece di bloccare il rumore di fondo nel cervello - le tracce meno pertinenti - e permettono al ricordo di consolidarsi. Entrambe le funzioni sono fondamentali se è vero che, come sostengono i ricercatori, manipolando selettivamente l'uno o l'altro circuito è possibile intervenire sulla memoria episodica a lungo termine.
Il consolidamento della memoria nel cervello richiede la sintesi di nuove proteine da parte delle cellule cerebrali. Non era chiaro però quali fossero le popolazioni di neuroni coinvolte in questa "produzione". Per capirlo, i ricercatori hanno fatto ricorso a topi transgenici in cui specifiche classi di neuroni avevano subito delle modifiche in un percorso molecolare importante per la formazione di ricordi a lungo termine: questa via, chiamata eIF2a, è nota per regolare la sintesi di proteine nei neuroni ed è coinvolta sia nel neurosviluppo sia in alcune malattie neurodegenerative. 
Quando gli scienziati hanno stimolato questa modalità di sintesi proteica nei neuroni eccitatori dell'ippocampo (una struttura cerebrale cruciale per l'apprendimento e la memoria) hanno ottenuto un potenziamento nella formazione dei ricordi e hanno assistito alla modifica delle sinapsi, gli snodi di comunicazione tra neuroni. Ma lo stesso effetto è stato raggiunto anche quando è stata stimolata la sintesi proteica in una classe di neuroni che possono avere comportamenti inibitori, i neuroni della somatostatina. In questo caso, il rafforzamento del ricordo avveniva grazie alla regolazione della plasticità neuronale, la capacità del cervello di regolare l'intensità delle connessioni tra neuroni, di eliminare alcune poco utili e crearne di nuove.
Per gli autori dello studio, la scoperta di questa nuova popolazione di neuroni coinvolta è per certi versi inaspettata ma anche provvidenziale: potrebbe infatti trattarsi di un nuovo obiettivo per terapie mirate sui ricordi duraturi in condizioni che comportano deficit di memoria a lungo termine, autobiografica (ricordi personali) o semantica (conoscenze generali sul mondo), come l'Alzheimer o i disturbi dello spettro autistico. Questi ultimi, infatti, possono compromettere alcune operazioni fondamentali per il consolidamento dei ricordi.

L'intelligenza artificiale progetta cellule mai viste prima.

---------------------------

L'intelligenza artificiale ha imparato a progettare cellule che non esistono in natura: dopo i supercomputer, è la nuova alleata della biologia sintetica, cui promette di mettere il turbo nella riprogettazione di sistemi viventi come lieviti e batteri per numerose applicazioni, dalla produzione di farmaci a quella di biocarburanti. Lo dimostrano due studi pubblicati su Nature Communications dai ricercatori del Lawrence Berkeley National Laboratory negli Stati Uniti.

Il loro nuovo algoritmo, chiamato Automated Recommendation Tool (Art), è in grado di prevedere (dopo un minimo addestramento) come certe modifiche del Dna o dei processi biochimici di una cellula possono cambiarne il comportamento, guidando così la sua ingegnerizzazione. "Le possibilità sono rivoluzionarie", spiega il coordinatore dello studio, Hector Garcia Martin. "Ora la bioingegneria è un processo molto lento: sono serviti anni per creare il farmaco antimalarico artemisinina. Se invece sei in grado di creare nuove cellule per un'indicazione specifica in un paio di settimane o mesi, puoi davvero stravolgere quello che puoi fare con la bioingegneria".

Per dimostrare l'utilità del sistema Art, i ricercatori lo hanno usato per ritoccare il metabolismo del lievito e aumentare la sua produzione dell'amminoacido triptofano. In particolare, hanno selezionato cinque geni, ciascuno dei quali controllato da altri geni o meccanismi regolatori, per un totale di quasi 8.000 possibili combinazioni. Grazie alla collaborazione con l'Università tecnica della Danimarca, hanno ottenuto dati sperimentali relativi a 250 combinazioni (pari al 3% di quelle possibili) che sono stati usati per addestrare l'intelligenza artificiale: così l'algoritmo ha imparato quale amminoacido viene prodotto in base ai geni accesi nella cellula. Usando un procedimento statistico, l'algoritmo ha poi dedotto come le restanti 7.000 e più combinazioni possono influire sulla produzione di triptofano, indicando la strada per aumentarla fino al 106%.

Scoperto il primo materiale superconduttore a temperatura ambiente.

 

---------------------------

Dopo oltre un secolo di ricerche, sembra finalmente a portata di mano il 'Santo Graal' dell'efficienza energetica: è stato infatti trovato il primo materiale superconduttore a temperatura ambiente, capace di far fluire l'elettricità senza alcuna resistenza e dunque senza sprechi. Sebbene funzioni solo a pressioni elevatissime, potrebbe aprire la strada ad altri materiali superconduttori più facili da produrre e usare su larga scala, per dare vita a una vera e propria rivoluzione per la tecnologia e l'elettronica. Per questo la scoperta, fatta dai ricercatori delle università di Rochester e Nevada, ha conquistato la copertina di Nature.

Le ricadute potrebbero spaziare dalle reti elettriche per la distribuzione dell'energia ai computer, dai macchinari per la risonanza magnetica fino ai treni a levitazione magnetica. "E' una svolta rivoluzionaria", commenta Ashkan Salamat dell'Università del Nevada a Las Vegas. "La scoperta è nuova e la tecnologia è agli albori, ma le possibilità sono infinite".

Il fenomeno della superconduttività è stato osservato per la prima volta nel 1911, ma finora è stato possibile solo a temperature bassissime (prossime a 273 gradi sotto zero) e dunque proibitive per un utilizzo nel mondo reale. Nel 1968, però, è stato teorizzato che l'idrogeno metallico (possibile a pressioni molto elevate) avrebbe potuto rappresentare la chiave di volta.

Oltre 50 anni dopo, i ricercatori coordinati dal fisico Ranga Dias dell'Università di Rochester hanno provato a risolvere questo enigma combinando l'idrogeno con carbonio e zolfo in una cella a incudine di diamante, uno strumento usato per studiare minuscole quantità di materiali a pressioni elevatissime. Sono così riusciti a osservare il fenomeno della superconduttività a una temperatura di 15 gradi, ma a una pressione che è pari a oltre due milioni di volte quella atmosferica. Il prossimo passo sarà quello di provare a stabilizzare il materiale a pressioni inferiori.

I biosensori stampati direttamente sulla pelle (registrano tutti i parametri biologici).

 

Fonte: Focus.it
---------------------------

Immaginate di poter stampare direttamente sulla vostra pelle tatuaggi hi-tech che tengono monitorati i vostri parametri vitali e vi avvisano se qualcosa non va: fantascienza? Non per un team di ricercatori della Pennsylvania State University, che ha progettato sensori indossabili che possono essere applicati direttamente sulla pelle. I risultati dello studio, pubblicati su ACS Applied Materials & Interfaces, descrivono questa tecnologia innovativa, che non richiede alte temperature per "fondere" il sensore con il materiale su cui viene applicato – in questo caso, la nostra pelle. 
Fino ad oggi, per essere applicati su un materiale (tessuto o carta, ad esempio), i sensori dovevano passare attraverso un processo di sinterizzazione, una lavorazione con cui si ottiene un oggetto collocando polvere di materiale in uno stampo, che richiede alte temperature: le nanoparticelle d'argento del sensore venivano unite tra loro a una temperatura di circa 300 °C, troppo alta per poter effettuare il processo sulla pelle. «Per superare questa limitazione», spiega Huanyu Cheng, capo dello studio, «abbiamo provato a inserire uno strato ausiliario di nanoparticelle, qualcosa che non danneggiasse la pelle e aiutasse il materiale a sinterizzare a una temperatura più bassa». Tuttavia, con lo strato aggiuntivo, le nanoparticelle d'argento sinterizzavano a una temperatura di 100 °C: inferiore a quella iniziale, ma ancora insufficiente per evitare di bruciare la pelle.
I ricercatori hanno quindi cambiato la formula dello strato ausiliario, ricorrendo a ingredienti già conosciuti dal nostro corpo come l'alcol polivinilico (utilizzato nelle maschere cosmetiche per il viso) e il carbonato di calcio (contenuto nei gusci delle uova). Con questo nuovo strato, il sensore può essere stampato a temperatura ambiente direttamente sulla pelle, utilizzando solo un phon ad aria fredda per asciugare l'acqua utilizzata come solvente nell'inchiostro.
Questi sensori aiuterebbero non solo a monitorare la propria temperatura corporea, l'ossigenazione sanguigna e la performance cardiaca, ma, se correttemente programmati, potrebbero consentire anche di rilevare i sintomi della CoViD-19. «Il sensore è ecologico, e può essere rimosso con una semplice doccia calda», spiega Cheng. Inoltre può essere riciclato, e la sua rimozione non danneggia né la pelle, né il dispositivo stesso. 

venerdì 20 dicembre 2019

Supremazia quantistica di Google: Mito o realtà?

di Fausto Intilla
------------------------------
Quando pensiamo ai futuri computer quantistici, il primo luogo comune da sfatare, è che essi andranno a sostituire praticamente tutti i computer classici. Ebbene ciò non è affatto vero. In primis, occorre ricordare che non è sempre possibile trovare un algoritmo quantistico, più efficiente di un algoritmo classico per qualsiasi tipo di problema. Dunque i computer quantistici, il giorno in cui saranno alla portata di milioni di persone, verranno utilizzati solo per particolari classi di problemi.
Il primo modello di computazione quantistica risale al 1980, ad opera di Paul Benioff. Egli infatti elaborò uno schema, in versione quantistica, di macchina di Turing. In sostanza si trattava di una macchina di Turing, che poteva funzionare solo utilizzando le regole e i principi della meccanica quantistica (senza entrare in conflitto con gli assiomi di Church-Turing). Due anni dopo, nel 1982, R. Feynman intuisce qualcosa di fondamentale in seno alla computazione quantistica: siccome i sistemi quantistici prendono forma in uno spazio astratto, che è lo spazio di Hilbert (che accresce esponenzialmente la dimensione dello spazio con il numero di sottosistemi/componenti fisici del sistema considerato; 2^N, per N-sistemi a due livelli), è molto difficile fare una simulazione/computazione classica estesa di questi sistemi e ovviamente risulta impossibile, nel limite di N molto grande; dunque per esplorare questi sistemi in profondità, è assolutamente necessario disporre di un calcolatore quantistico (ovvero, per dirla con Feynman, di un “simulatore quantistico universale”). Tre anni dopo le intuizioni di Feynman, nel 1985, David Deutsch mostra come realizzare una computazione universale, utilizzando un modello a circuito con porte logiche reversibili (del tutto analogo al modello del circuito booleano classico, ma con la particolarità appunto della reversibilità di tutte le porte logiche; come richiesto dalle operazioni quantistiche).
I primi importanti algoritmi, vennero tuttavia ideati solo una decina di anni dopo. Risale infatti al 1994, un algoritmo fondamentale per la fattorizzazione di grandi numeri in fattori primi, ad opera di Peter Shor. L’enorme importanza di questo algoritmo (denominato semplicemente: algoritmo di Shor), sta nel fatto che rispetto ai più noti e migliori algoritmi classici attualmente conosciuti, si avvale di un vantaggio di speedup esponenziale; dunque un vantaggio enorme, in termini di velocità. Tale algoritmo, tuttavia, non dimostra affatto che non possano esistere algoritmi classici che siano polinomiali, nel tempo di calcolo in funzione della dimensione dell’input. Finora comunque, nessuno è mai riuscito a trovare un algoritmo classico che non sia esponenzialmente soppresso rispetto all’algoritmo di Shor.
Circa due anni dopo, nel 1996, Lov Grover formula un altro importante algoritmo, che prenderà il nome di: algoritmo di ricerca (quantistico) di Grover. Si tratta di un algoritmo che permette in sostanza di trovare il famoso “ago in un pagliaio”; poiché è in grado di cercare (…e trovare) delle informazioni in un database non strutturato. Il vantaggio di quest’ultimo algoritmo è di tipo quadratico. Evito a questo punto a tutti i miei lettori, tutta la noiosa teoria sulla differenza tra un bit classico e un qubit (idem per il discorso sui problemi indotti dalla decoerenza, dove il damping e il dephasing giocano un ruolo non indifferente); altrimenti il presente articolo diverrebbe troppo lungo e in pochi verrebbero stimolati a leggerlo fino in fondo. Si tenga solo presente un fatto estremamente importante, quasi sempre soggetto a fraintendimenti: nel momento in cui si compie l’atto di misurazione su un qubit, esso non è più definito da una sovrapposizione di stati, ma diventa semplicemente un bit classico! (infatti, in base al postulato della riduzione del pacchetto d’onda del vettore di stato, la misurazione dovrà terminare necessariamente in zero o in uno). È dunque assolutamente sbagliato credere che quando abbiamo N qubit in realtà abbiamo 2^N possibilità di bit classici! (è possibile tuttavia fare un encoding e grazie ai principi della meccanica quantistica, eseguire delle operazioni che classicamente non potrebbero essere eseguite, senza scalare con il numero dei bit).
Un’altra cosa importante in merito alle porte logiche quantistiche, consiste nel fatto che esse, oltre a dover essere reversibili, debbano anche essere unitarie; poiché è proprio l’unitarietà, a garantire la conservazione del prodotto scalare (nonché della probabilità e della reversibilità). La reversibilità, fortunatamente, è consentita e garantita grazie ad un importante risultato ottenuto da Charles Bennett nel lontano 1973. Egli infatti dimostrò che qualsiasi computazione deterministica può essere resa reversibile. Ad emergere è dunque un fatto molto importante: nonostante la computazione quantistica sia (di base) non deterministica e permette inoltre la reversibilità, essa è tuttavia utilizzabile come modello/struttura computazionale. In sostanza, una computazione deterministica, può essere eseguita con un computer quantistico, solo se essa è reversibile.
Riguardo al concetto di velocità di elaborazione dell’informazione, in generale non ha senso chiedersi quanto sia più veloce un computer quantistico rispetto a un computer classico; ciò che ha senso invece, è chiedersi quanto è asintoticamente più veloce un computer quantistico rispetto a un computer classico. In genere si dice che un computer quantistico ha un vantaggio asintotico, solo se il suo vantaggio su un computer classico, diventa sempre più grande man mano che i problemi che deve affrontare diventano anch’essi sempre più grandi (con il rapporto tra le due velocità, tendente ad infinito). Dunque è possibile che, anche nella risoluzione di un problema in cui, asintoticamente, il computer quantistico “batta” quello classico, per piccoli casi di tale problema, il computer classico sia più “efficiente” di quello quantistico. Si consideri inoltre il fatto che non esiste alcun teorema, che indichi che per particolari e determinate applicazioni, un computer quantistico sia più veloce rispetto a uno classico (si tratta in sostanza di una semplice credenza, tra fisici ed informatici, ancora tutta da dimostrare; se mai un giorno verrà dimostrata).
Ma veniamo a questo punto al concetto di supremazia quantistica, che ha dato in parte il titolo al presente articolo. Con supremazia quantistica, in genere si fa riferimento al fatto che si evidenzi una netta differenza tra il tempo di computazione utilizzato da un computer quantistico e quello invece utilizzato da un computer classico, nel momento in cui entrambi si trovino a risolvere uno stesso/identico problema. È però importante osservare che non si tratta di una caratteristica universale, ma dipende ogni volta dal tipo di problema che viene analizzato.
Stando all’annuncio di Google, l’azienda in questione dichiara (in un articolo uscito su Nature nel mese di ottobre di quest’anno, 2019) di aver costruito un processore a 53 qubit superconduttori, che realizzano una distribuzione di un circuito random quantistico e la ricostruiscono in meno di tre minuti; mentre secondo loro (ovvero secondo Google), i migliori algoritmi classici impiegherebbero migliaia di anni. Ebbene è proprio qui che entra in gioco la logica del vantaggio asintotico, menzionata poc’anzi. È vero che oggi Google può vantare un notevole traguardo raggiunto con “soli” 53 qubit, ma ben presto è quasi del tutto certo che quei 53 qubit diventeranno 60 e poi addirittura 70 (un obiettivo che hanno già pianificato di raggiungere entro il 2023); allora a tal punto, grazie alla natura della crescita esponenziale, a lungo termine, neppure il più potente computer classico che una mente umana possa mai concepire, su un medesimo problema di natura quantistica, riuscirà mai a “stare al passo” con un computer quantistico. Possiamo dunque dare a questo punto una risposta alla domanda che il titolo stesso di questo articolo porta con sé: Google ha realmente raggiunto la supremazia quantistica? Ebbene in questo momento l’unica dimostrazione reale di una supremazia quantistica, nel senso del vantaggio asintotico (ovvero che “andando a scalare”, la supremazia diventa sempre più grande), non vi è quasi più alcun dubbio, è di Google.

A tutti coloro che ritengono che tale supremazia spetti alla D-Wave Systems, posso solo dire: mettetevi il cuore in pace, non è così. La D-Wave non utilizza il modello a circuito per la realizzazione del suo computer quantistico; essa infatti utilizza un Annealer. In estrema sintesi: partendo da un ground state molto semplice, con una successiva evoluzione adiabatica che è lentissima e con un’hamiltoniana molto più complicata (di cui non è possibile prepararne il ground state) e in base al teorema adiabatico (che mi garantisce che se l’evoluzione è sufficientemente lenta, rimango sempre nel ground state), si arriva in sostanza a trasformare il ground state semplice iniziale, nel ground state complicato che in ultima istanza è ciò che si vuole realizzare. Questo è ciò che in pratica fa la D-wave (che recentemente è arrivata oltre i 5000 qubit entangled; cosa non da poco). Ciò che tuttavia la D-wave non è mai riuscita a dimostrare, purtroppo, è di aver raggiunto lo speedup asintotico; cosa che Google è invece riuscito a conquistare …ed anche a dimostrare.