Intel, entro il 2030 un processore con mille miliardi di transistor
Grazie a massicci investimenti, il colosso dei chip conta di portare il 20% della produzione in Europa entro il 2030, sviluppando al tempo stesso processi produttivi con dimensioni dei transistor a livello atomico. Una enorme capacità di calcolo già impiegata in progetti come un framework per l’intelligenza artificiale responsabile e la ricerca medica nel rispetto della privacy con il federated learning
Conosciuta soprattutto per il ruolo di leadership nel mercato dei microprocessori, Intel è in realtà protagonista a 360 gradi nel settore della tecnologia, a partire dal campo software in cui figura al primo posto per contribuzione di linee di codice a Linux, il sistema operativo open source molto utilizzato a livello di server. A 75 anni dall’invenzione del transistor, che ha rivoluzionato l’intera società ed è alla base dell’information technology sempre più cuore pulsante della società attuale, Intel prosegue il proprio sviluppo su tutti i fronti, a partire naturalmente da quello dei chip.
La crisi della supply chain a livello mondiale e le crescenti tensioni geopolitiche intorno a Taiwan e nell’Asia in genere, protagonista a livello di fonderie di silicio per la produzione dei chip, ha portato Intel a programmare un piano di investimenti massiccio per creare nuove fabbriche non solo negli Stati Uniti ma anche in Europa, con l’obiettivo di arrivare a una quota del 20% della quotazione complessiva nel Vecchio Continente entro il 2030. A livello di tecnologie di produzione, invece, dopo aver introdotto quella a 10 nanometri Intel passerà prossimamente a processi chiamati 7, 4 e 3 per poi arrivare a 20 A arrivando così a livello quasi atomico essendo l’Angstrom corrispondente a 0,1 nanometri. Inoltre, per rispettare la legge di Moore che teorizza il raddoppio del numero di transistor in un chip ogni 18 mesi, Intel ha sviluppato una tecnologia non planare, ribbonFET, che contribuirà a raggiungere l’obiettivo di costruire un chip con mille miliardi di transistor nel 2030.
L’enorme capacità di calcolo dei processori di Intel è alla base del super-computer Leonardo, recentemente inaugurato alla presenza del presidente della Repubblica, che si colloca al quarto posto a livello mondiale per capacità di elaborazione con i suoi 240 petaflops, ovvero 240mila trilioni di operazioni, al secondo. Una capacità enorme che vede già ulteriori sviluppi con l’aggiunta di ulteriori nodi, sempre basati su processori Intel Xeon che controlleranno a loro volta gpu Nvidia con tecnologia Ampere per arrivare, nel 2024, all’aggiunta di un modulo quantistico che porterà l’Italia nella frontiera del quantum computing.
Intel non è però attiva solo nel settore dei semiconduttori in senso stretto, ma anche in quello del software e più in generale delle piattaforme di tecnologia avanzata. Tra i progetti più interessanti rientrano quelli della messa a punto di un framework per un’intelligenza artificiale responsabile, problema sempre più sentito considerate le enormi potenzialità dell’AI e la sua disponibilità pressoché universale. FakeCatcher, per esempio, è una risposa al crescente problema dei fake video, o deepfake, ovvero video contraffatti che vedono protagonisti, a loro insaputa, persone attraverso l’uso dell’intelligenza artificiale, in grado di ricreare movimenti del volto e persino parlato sincronizzato partendo da un video autentico o persino poche fotografie. Il sistema riesce infatti a identificare un video fake nell’arco di secondi, con una gradi di certezza del 96%, grazie all’analisi algoritmica.
Altro progetto particolarmente interessante è quello del federated learning, ovvero la possibilità di condividere e partecipare a progetti di ricerca complessi, specie in campo medico, nel pieno rispetto delle tematiche della privacy, specialmente in ambiti sensibili come quelli dei dati clinici. Il modello di federated learning, infatti, prevede che gli enti che partecipano allo studio scambino i modelli matematici realizzati attraverso l’analisi dei dati, e non i dati stessi: ogni ente testa così i modelli matematici degli altri sui propri set di dati, condividendo poi i modelli via via raffinati, per arrivare a un modello finale applicabile e certificato da tutti i set di dati. Un modello che Intel ha già applicato con la Perelman School of Medicine della University of Pennsylvania (Penn Medicine) portando a termine una ricerca volta ad aiutare le organizzazioni sanitarie e di ricerca internazionali a identificare i tumori maligni al cervello. Si tratta del più grande studio di federated learning mai svolto, con un dataset globale proveniente da ben 71 organizzazioni dislocate nei cinque continenti, i cui risultati mostrano un miglioramento del 33% nella capacità di rilevare i tumori al cervello. (riproduzione riservata)
