Il nuovo dispositivo imita il cervelletto ed elabora dati variabili nel tempo ad alta velocità e a bassissimo consumo, rendendolo adatto ad applicazioni di frontiera come robotica e interfacce uomo-macchina.
TDK Corporation ha presentato un prototipo di chip AI basato su circuiti analogici che implementa reservoir computing ispirato al cervelletto, sviluppato in collaborazione con l’Università di Hokkaido. Il dispositivo abilita apprendimento in tempo reale direttamente all’edge, senza dipendere dal cloud per l’addestramento; una demo del nuovo dispositivi sarà in mostra a CEATEC 2025 (14–17 ottobre, Giappone).
Come funziona: reservoir computing, ma in analogico
Nel reservoir computing la dinamica fisica del reservoir proietta i segnali d’ingresso in uno spazio di stati ricco; l’addestramento si concentra su un readout leggero, riducendo drasticamente calcoli e consumi rispetto al deep learning classico.
Per reservoir computing si intende la capacità di un componente hardware di utilizzare la dinamica fisica e naturale di un sistema analogico per eseguire calcoli per l’intelligenza artificiale; questo approccio è più rapido, più efficiente dal punto di vista energetico e più adatto all’elaborazione dei dati in tempo reale rispetto ai metodi digitali tradizionali. La scelta analogica sfrutta le proprietà dei segnali continui per processare serie temporali ad alta velocità con energia minima, caratteristica cruciale per sensori e attuatori edge.
La demo: riconoscere i gesti e anticipare le mosse
All’evento giapponese TDK mostrerà un sistema che, con accelerometri TDK, apprende in tempo reale le micro–differenze dei movimenti delle dita e predice i gesti mentre l’utente li compie. La dimostrazione evidenzia la bassissima latenza e l’adattamento immediato a ogni persona, tipici dei casi d’uso HMI.
Perché conta per edge AI: velocità, consumi e privacy
Portare l’apprendimento on-device significa risposte istantanee, minor traffico dati e maggiore tutela della privacy. L’elaborazione analogica riduce la potenza necessaria per compiti come classificazione di gesti, controllo motorio e rilevamento di pattern su segnali temporali; un vantaggio chiave per robotica collaborativa, wearable, dispositivi medicali e industrial IoT che devono operare a batteria o con budget energetico limitato.
Dalla vetrina all’ecosistema: riconoscimenti e roadmap
Il prototipo si inserisce nella strategia TDK di edge intelligence e ha già ottenuto visibilità nel percorso verso la commercializzazione. In occasione di CEATEC 2025, TDK ha inoltre evidenziato il proprio contributo all’ecosistema AI e l’importanza di AI a bassa potenza e bassa latenza per la trasformazione digitale dei settori industriali.
Dove potrebbe essere adottato: robotica, HMI e controllo sensoriale
Le prime possibili applicazioni includono interfacce uomo–macchina reattive (gesture e motion sensing), robotica leggera e assistive devices che necessitano di apprendere e adattarsi sul campo. L’approccio reservoir analogico è particolarmente adatto quando conta la temporalità del segnale (accelerazioni, vibrazioni, biosegnali), con vincoli di energia e latency budget stringenti.
