Reti Neurali Solitoniche e Neuroni Biologici

Da ormai quasi 7 anni, la mia linea di ricerca si concentra sullo sviluppo teorico e sperimentale di sistemi ottici intelligenti in grado di emulare le proprietà strutturali e funzionali del cervello biologico.

È il primo approccio, almeno per mia conoscenza, che tenta di riprodurre una dinamica tissutale neurale. In generale, progetti anche molto più avanzati di questo mirano a riprodurre funzioni fondamentali della neuroscienza. Nel mio caso, la tecnologia dei solitoni spaziali, accoppiata alla fisica delle trasformate di fourier ottiche permette di realizzare un tessuto complesso, con dinamiche che ricordano quelle dei neuroni, dei neurotrasmettitori e dell’ambiente in cui agiscono. Rispetto a quanto già portato avanti in Sapienza (Ateneo dove sviluppo parte della mia ricerca), il mio obiettivo, grazie al sostegno del progetto ASKESIS, è di studiare come i neuroni solitonici possano comunicare con i neuroni biologici. Risultati positivi possono significare un progresso medico significativo nella cura di malattie neuronali ed anche nel perfezionamento delle funzionalità neurali.

I risultati da cui parte questa nuova ricerca, possono essere consultati attraverso le seguenti pubblicazioni:

1. A. Bile, Reti Neurali Solitoniche: Un Innovativo Network Neurale Fotonico Basato su Interconnessioni Solitoniche, Springer (2024). ISBN-10: 3031613406, ISBN-13: 978-3031613401. https://doi.org/10.1007/978-3-031-61341-8

2. A. Bile, Solitonic Neural Networks: An Innovative Photonic Neural Network Based on Solitonic Interconnections. In (Ed.), AI in Materials – Springer. ISBN-10: 3031486544. ISBN-13: 978-3031486548. https://doi.org/10.1007/978-3-031-48655-5

3. E. Fazio, A. Bile, H. Tari (2022). Optical Soliton Neural Networks. In (Ed.), Artificial Neural Networks – Recent Advances, New Perspectives and Applications. IntechOpen. https://doi.org/10.5772/intechopen.107927

4. A. Bile, H. Tari, R. Pepino, A. Nabizada, E. Fazio, Photorefraction Simulates Well the Plasticity of Neural Synaptic Connections. Biomimetics 2024, 9, 231. https://doi.org/10.3390/biomimetics9040231.

5. A. Bile, M. Chauvet, H. Tari and E. Fazio Supervised Learning of soliton X-junctions in Lithium Niobate films On Insulator, Optics Letters 47, 21 (2022), https://doi.org/10.1364/OL.468997.

6. A. Bile, H. Tari, E. Fazio, Episodic Memory and Information Recognition Using Solitonic Neural Networks Based on Photorefractive Plasticity. Appl. Sci. 2022, 12, 5585, https: // doi.org/10.3390/app12115585.

7. B. Ianero, A. Bile, M. Alonzo, E. Fazio, Stigmergic electronic gates and networks, in press on J. Computational Electronics 20, 2614–2621 (2021), https://doi.org/10.1007/s10825-021-01799-0.

8. H. Tari, A. Bile, F. Moratti, E. Fazio, Neuromorphic activation function for Surface Plasmon Polariton integrated circuits, Plasmonics (2022) https://doi.org/10.1007/s11468-021-01553-z.

9. A. Bile, F. Moratti, H. Tari, E. Fazio, Supervised and unsupervised learning using a fully-plastic all-optical unit of artificial intelligence based on solitonic waveguides, Neural Comput. & Applic. (2021). https://doi.org/10.1007/s00521-021-06299-7