Memristanza e transmemristanza nei sistemi memristivi multiterminale

Perché contano i circuiti di memoria minuscoli

Tecnologie moderne come l’intelligenza artificiale e il calcolo ispirato al cervello richiedono hardware in grado di apprendere e adattarsi, non solo di memorizzare dati. I dispositivi memristivi — componenti minuscoli la cui resistenza elettrica conserva traccia dei segnali passati — sono emersi come candidati promettenti. Questo articolo esplora come collezioni di molti di questi dispositivi, interconnessi e accessibili tramite terminali elettrici multipli, possano essere descritte e controllate con un quadro unitario. Tale quadro non solo aiuta gli ingegneri a progettare nuovi tipi di hardware per il calcolo, ma offre anche strumenti per sondare come l’informazione fluisce attraverso reti complesse e auto-organizzanti di nanofili.

Dalle memorie semplici alle reti complesse

I primi dispositivi memristivi avevano soltanto due terminali, come un resistore standard la cui resistenza può cambiare in funzione dei segnali elettrici ricevuti. Questi elementi di base sono già impiegati per costruire memorie veloci e a basso consumo e per accelerare algoritmi di machine learning. Tipicamente vengono disposti in griglie a croce ordinate — matrici regolari in cui ogni incrocio memorizza un valore come una resistenza particolare. Tuttavia, i ricercatori hanno cominciato anche a esplorare sistemi molto più irregolari composti da molti elementi memristivi interagenti, come reti aggrovigliate di nanofili o nanoparticelle. In questi sistemi il comportamento complessivo dipende meno dai singoli dispositivi e più da come l’intera rete risponde collettivamente a schemi di stimolazione nel tempo.

Molti terminali, molti punti di vista

Gli autori generalizzano la descrizione abituale a due terminali a ciò che chiamano sistemi memristivi multiterminale. Invece di un ingresso e un’uscita, questi sistemi hanno molti terminali accessibili che possono essere pilotati da una tensione o lasciati flottanti. Un oggetto matematico chiamato matrice memristiva collega le tensioni e le correnti in tutti i terminali non flottanti e evolve mentre cambia lo stato interno della rete. Misurare la «distanza» elettrica variabile tra due terminali qualsiasi rivela come la resistenza effettiva tra di essi cresce o diminuisce in risposta ai pattern di stimolo. Questa idea è cruciale perché significa che ciò che osserviamo su una coppia di terminali riflette come l’interno nascosto della rete si sta riorganizzando.

Osservare cambiamenti nascosti di lato

Un avanzamento chiave di questo lavoro è l’estensione dalla memristanza (variazione di resistenza vista ai terminali stimolati) alla transmemristanza, che cattura come la stimolazione su una coppia di terminali influisce sui segnali misurati su una coppia diversa. In pratica ciò significa che si può applicare una tensione in un punto e osservare la variazione di tensione o corrente in un altro punto, «ascoltando» effettivamente la riorganizzazione interna della rete da molteplici angolazioni. Questo concetto viene sviluppato prima in teoria usando modelli a grafo, dove i nodi rappresentano regioni o giunzioni e gli spigoli si comportano come connessioni memristive la cui forza varia nel tempo. Quando la rete viene eccitata, alcuni percorsi diventano più conduttivi e poi si rilassano, e questi spostamenti si riflettono in quanto fortemente sono accoppiate tra loro le diverse coppie di terminali.

Reti reali di nanofili che imparano

Per dimostrare che queste idee si applicano nella pratica, gli autori studiano reti auto-organizzanti di nanofili metallici contattate da matrici di elettrodi metallici. Ogni elettrodo entra in contatto con molti fili e le numerose giunzioni filo–filo agiscono come piccoli elementi memristivi. Quando viene applicato un impulso di tensione tra una coppia di elettrodi, la risposta in corrente e la resistenza misurata a quegli elettrodi mostrano un caratteristico schema di «apprendimento e dimenticanza»: la resistenza diminuisce durante l’impulso e poi si rilassa lentamente. Allo stesso tempo, le tensioni misurate su altre coppie di elettrodi non stimolate evolvono in modo correlato, rivelando un comportamento transmemristivo. Interpretando queste misure tramite la matrice memristiva e gli strumenti grafici correlati, i ricercatori possono inferire come la connettività all’interno della rete cambia nel tempo, anche se le giunzioni individuali non sono osservabili direttamente.

Verso nuovi tipi di hardware adattivo

In termini chiari, questo lavoro mostra come trattare reti memristive complesse e multiterminale come oggetti unificati e sintonizzabili il cui stato interno può essere sia guidato sia letto da punti diversi. La memristanza ci dice come la rete risponde dove la stimoliamo; la transmemristanza ci dice come quella risposta si propaga nel resto del sistema. Insieme forniscono osservabili pratici che riflettono la dinamica nascosta dei componenti nanoscalari. Questo quadro unitario collega teoria dei circuiti, scienza delle reti e fisica dei materiali, aprendo la strada a nuovi metodi di caratterizzazione e a hardware che esegue calcolo sfruttando la dinamica naturale e adattiva delle reti memristive anziché la logica digitale rigida.

Citazione: Milano, G., Pilati, D., Michieletti, F. et al. Memristance and transmemristance in multiterminal memristive systems. Sci Rep 16, 5271 (2026). https://doi.org/10.1038/s41598-026-35671-7

Parole chiave: reti memristive, hardware neuromorfico, reti di nanofili, reservoir computing, elettronica adattiva