Il chip cinese 478 volte più veloce di NVIDIA A100 clona virtualmente il cervello in tempo reale

Il chip cinese 478 volte più veloce di NVIDIA A100 clona virtualmente il cervello in tempo reale

Un gruppo di ricercatori cinesi ha sviluppato un chip da 40 nm capace di ricostruire la superficie della corteccia cerebrale in meno di mezzo secondo. L'architettura computing-in-memory permette prestazioni fino a 478 volte superiori rispetto a NVIDIA A100

di pubblicata il , alle 10:13 nel canale Scienza e tecnologia
 

Un gruppo di ricercatori della Peking University e della Chinese Academy of Sciences ha realizzato un nuovo chip da 40 nm progettato per la ricostruzione della corteccia cerebrale in tempo reale. Il dispositivo integra direttamente un'intelligenza artificiale nell'hardware e completa la ricostruzione della complessa superficie ripiegata del cervello in meno di mezzo secondo, un risultato che potrebbe ampliare le possibilità in ambito clinico e nella ricerca neuroscientifica.

Secondo gli autori dello studio, pubblicato sulla rivista Science, il nuovo processore raggiunge prestazioni da 50 a 478 volte superiori rispetto ai sistemi basati sulla GPU NVIDIA A100 in questo specifico carico di lavoro. Il vantaggio deriva dall'adozione di un'architettura computing-in-memory, che riunisce memoria ed elaborazione nello stesso array, eliminando gran parte della latenza causata dal continuo trasferimento dei dati tra memoria e processore.

Gli studiosi hanno inoltre sfruttato una caratteristica dei memristori a cambiamento di fase normalmente considerata un limite, il cosiddetto conductance drift. Invece di compensare questo fenomeno, il team lo ha impiegato per eseguire calcoli legati alle dinamiche delle reti neurali, con l'obiettivo di ottenere un'elaborazione più rapida e allo stesso tempo più efficiente dal punto di vista energetico.

La ricostruzione della superficie cerebrale rappresenta una delle operazioni più impegnative nell'ambito dell'imaging neurologico. Le numerose pieghe della corteccia aumentano la superficie disponibile per ospitare miliardi di neuroni, ma rendono estremamente complessi i calcoli necessari per ottenere un modello tridimensionale accurato. I sistemi tradizionali richiedono hardware molto potente e tempi di elaborazione elevati, fattori che limitano l'utilizzo di queste tecnologie quando serve una risposta immediata.

Secondo Yang Yuchao, autore principale della ricerca e professore presso la School of Integrated Circuits della Peking University, il nuovo chip ricostruisce con precisione la corteccia cerebrale e potrebbe offrire una base hardware per numerose applicazioni mediche. Tra queste figurano le interfacce cervello-computer, la diagnosi e il trattamento delle malattie neurologiche, la neuronavigazione intraoperatoria in tempo reale, lo screening precoce dell'Alzheimer e interventi terapeutici personalizzati.

"In futuro, sarà possibile creare gemelli cerebrali digitali personalizzati e dinamici" ha spiegato Yang. Il sistema, inoltre, "fornisce una base hardware in grado di operare in tempo reale per la neuronavigazione intraoperatoria, lo screening precoce della malattia di Alzheimer e gli interventi personalizzati".

Anche un'analisi realizzata dai ricercatori del Juelich Research Centre evidenzia i vantaggi dell'approccio computing-in-memory. Gli esperti spiegano che elaborare i dati direttamente nel punto in cui vengono memorizzati riduce sensibilmente tempi di risposta e consumi energetici.

La piattaforma offre calcoli ad alta fedeltà con una latenza dell'ordine dei millisecondi e potrebbe trovare impiego non solo nell'imaging clinico, ma anche nella robotica e nei sistemi di intelligenza artificiale incarnata. Gli autori indicano inoltre la possibilità di utilizzare il chip per il monitoraggio in tempo reale della superficie corticale durante gli interventi neurochirurgici, con un supporto diretto ai processi decisionali in ambito clinico.

6 Commenti
Gli autori dei commenti, e non la redazione, sono responsabili dei contenuti da loro inseriti - info
Doraneko07 Luglio 2026, 10:36 #1
Interessante. Un chip che straccia l'A100 in un compito molto specifico ma che verrebbe a sua volta stracciato dallo stesso A100 in qualsiasi altro compito. Per non parlare del fatto che il paragone è stato fatto con un chip vecchio e non con roba più recente (B200) e che i 40nm sono roba di...20 anni fa?
popye07 Luglio 2026, 11:08 #2
Originariamente inviato da: Doraneko
Interessante. Un chip che straccia l'A100 in un compito molto specifico ma che verrebbe a sua volta stracciato dallo stesso A100 in qualsiasi altro compito. Per non parlare del fatto che il paragone è stato fatto con un chip vecchio e non con roba più recente (B200) e che i 40nm sono roba di...20 anni fa?

in sostanza è per sole applicazioni mediche specifiche, probabilmente un'architettura più recente non permetteva le stesse modifiche, oppure i cinesi non hanno ancora la capacità di operare su architetture più recenti.
Unrue07 Luglio 2026, 11:25 #3
Originariamente inviato da: Doraneko
Interessante. Un chip che straccia l'A100 in un compito molto specifico ma che verrebbe a sua volta stracciato dallo stesso A100 in qualsiasi altro compito. Per non parlare del fatto che il paragone è stato fatto con un chip vecchio e non con roba più recente (B200) e che i 40nm sono roba di...20 anni fa?


Quando restringi il campo a fare una cosa sola molto specifica, non è necessario usare cose ultramoderne. Non sono chip general purpose.
mmorselli07 Luglio 2026, 11:38 #4
E' un po' come dire che un cacciavite è 478 volte più veloce di una forchetta...

Al di là di questi paragoni, è un prodotto interessantissimo, anche il fatto di essere realizzato a 40nm viene buttato lì un po' a casaccio per tentare un parallelo con tecnologie che non c'entrano nulla. Questi sono memristori, rispetto ai transistor di una GPU a cui viene paragonato:

- eseguono somme e moltiplicazioni direttamente nelle celle di memoria, evitando la parte più critica ed energivora delle GPU tradizionali, lo spostamento dei dati
- sono analogici, non digitali, anche se con una precisione molto elevata, ma va benissimo perché devono elaborare dati di provenienza analogica (imaging medico, sensori, ... )


Per reti neurali specifiche (penso per esempio a guida autonoma o robot) che devono riconoscere molto velocemente immagini, suoni, dati da sensori, è una tecnologia molto promettente che oltre ad essere un paio di ordini di grandezza più veloce ha anche consumi bassissimi.
supertigrotto07 Luglio 2026, 12:47 #5
40 nanometri è probabilmente dettato dall' uso dei memristori (anche il mit li sta usando) che non sono esattamente uguali ai transistor e all' elettronica tradizionale.
Sta cambiando il modo di costruire la IA,non più GPU riadattate ma veri e propri chip specializzati su un compito che vengono orchestrati per lavorare tutti assieme.
mmorselli07 Luglio 2026, 12:52 #6
Originariamente inviato da: supertigrotto
Sta cambiando il modo di costruire la IA,non più GPU riadattate ma veri e propri chip specializzati su un compito che vengono orchestrati per lavorare tutti assieme.


Sì, diciamo che IA viene usato in modo un po' generico oggi, per molti l'IA sono gli LLM e questo approccio, per quanto utilizzabile, non è ideale per gli LLM perché sono "Large", ma più per l'analisi dei dati, che è un campo delle reti neurali più che dell'IA, dove l'IA è un'applicazione delle reti neurali.

Devi effettuare il login per poter commentare
Se non sei ancora registrato, puoi farlo attraverso questo form.
Se sei già registrato e loggato nel sito, puoi inserire il tuo commento.
Si tenga presente quanto letto nel regolamento, nel rispetto del "quieto vivere".

La discussione è consultabile anche qui, sul forum.
 
^