Los investigadores llevan años intentando construir sinapsis artificiales con la esperanza de acercarse al incomparable rendimiento computacional del cerebro humano. Ahora, un nuevo enfoque ha conseguido diseñar unas que son 1.000 veces más pequeñas y 10.000 veces más rápidas que sus homólogas biológicas.

A pesar del éxito arrollador de aprendizaje profundo Durante la última década, este enfoque inspirado en el cerebro para AI se enfrenta al reto de que funciona con un hardware que se parece poco a los cerebros reales. Esta es una de las razones por las que un cerebro humano que pesa apenas un kilo puede realizar nuevas tareas en segundos utilizando la misma cantidad de energía que una bombilla, mientras que el entrenamiento de las mayores redes neuronales requiere semanas, megavatios hora de electricidad y racks de procesadores especializados.

Esto está provocando un creciente interés en los esfuerzos por rediseñar el hardware subyacente con el que funciona la IA. La idea es que construyendo chips informáticos cuyos componentes actúen de forma más parecida a las neuronas y sinapsis naturales, podríamos acercarnos a la extrema eficiencia energética y de espacio del cerebro humano. La esperanza es que estos procesadores denominados «neuromórficos» podrían ser mucho más adecuados para ejecutar la IA que los actuales chips de ordenador .

Ahora, investigadores del MIT han demostrado que un inusual diseño de sinapsis artificial que imita la dependencia del cerebro del transporte de iones podría superar significativamente a las biológicas. El avance clave fue encontrar un material que tolera campos eléctricos extremos, lo que mejoró drásticamente la velocidad con la que los iones podían moverse.

« La velocidad fue ciertamente sorprendente», dijo Murat Onen, que dirigió la investigación, dijo en un comunicado de prensa . «Normalmente, no aplicaríamos campos tan extremos a través de los dispositivos, para no convertirlos en cenizas. Pero, en cambio, los protones [que equivalen a los iones de hidrógeno] acabaron desplazándose a velocidades inmensas por la pila de dispositivos, concretamente un millón de veces más rápido en comparación con lo que teníamos antes.»

Aunque hay a variety of approaches to neuromorphic engineering, one of the most promising is analogue computing. This seeks to design components that can exploit their internal physics to process information, which is much more efficient and direct than carrying out complex logic operations like conventional chips do.

Hasta ahora, muchas investigaciones se han centrado en el diseño de » memristores » -Componentes electrónicos que controlan el flujo de corriente en función de la cantidad de carga que ha circulado previamente ed a través del dispositivo. Esto imita el modo en que las conexiones entre las neuronas biológicas aumentan o disminuyen su fuerza en función de la frecuencia con la que se comunican, lo que significa que estos dispositivos podrían utilizarse en principio para crear redes con propiedades similares a las redes neuronales biológicas.

Tal vez no resulte sorprendente que estos dispositivos se construyan a menudo con tecnologías de memoria. Pero en un nuevo papel en Ciencia , los investigadores del MIT sostienen que los componentes optimizados para el almacenamiento de información a largo plazo son, en realidad, poco adecuados para llevar a cabo las transiciones de estado periódicas necesarias para ajustar continuamente la intensidad de las conexiones en una red neuronal artificial. Esto se debe a que las propiedades físicas que garantizan largos tiempos de retención no suelen ser complementarias a las que permiten la conmutación de alta velocidad.

Por ello, los investigadores han diseñado un componente cuya conductividad se regula mediante la inserción o extracción de protones en un canal de vidrio de fosfosilicato (PSG). Hasta cierto punto, esto imita el comportamiento de las sinapsis biológicas, que utilizan iones para transmitir señales a través de la brecha entre dos neuronas.

Sin embargo, ahí es donde la similitud ies final. El dispositivo cuenta con dos terminales que son esencialmente la entrada y la salida de la sinapsis. Un tercer terminal se utiliza para aplicar un campo eléctrico, que estimula a los protones a pasar de un depósito al canal de la PSG o viceversa, dependiendo de la dirección del campo eléctrico. Un mayor número de protones en el canal aumenta su resistencia.

The researchers llegó con esto diseño general de vuelta en 2020 Pero su anterior dispositivo utilizaba materiales que no eran compatibles con los procesos de diseño de chips. Pero lo más importante es que el cambio al PSG ha aumentado drásticamente la velocidad de conmutación de su dispositivo. Esto se debe a que los poros de tamaño nanométrico de su estructura permiten que los protones se muevan muy rápidamente a través del material, y también a que puede soportar pulsos de campo eléctrico muy fuertes sin degradarse.

Unos campos eléctricos más potentes dan a los protones un enorme impulso de velocidad y son la clave de la capacidad del dispositivo para superar a las sinapsis biológicas. En el cerebro, los campos eléctricos tienen que mantenerse relativamente débiles porque cualquier cosa que supere los 1,23 voltios (V) provoca que el agua que hace s hasta el grueso de las células para dividirse en gas hidrógeno y oxígeno. Por eso, los procesos neurológicos ocurren en la escala de los milisegundos.

En cambio, el dispositivo del equipo del MIT es capaz de funcionar hasta con 10 voltios en pulsos tan cortos como 5 nanosegundos. Esto permite que la sinapsis artificial funcione 10.000 veces más rápido que su homóloga biológica s . Además, los dispositivos sólo miden nanómetros, por lo que son 1.000 veces más pequeños que las sinapsis biológicas.

Expertos le dijo a New Scientist que la configuración de tres terminales del dispositivo, a diferencia de los dos que se encuentran en la mayoría de los modelos de neuronas, podría dificultar el funcionamiento de ciertos tipos de redes neuronales. El hecho de que los protones tengan que introducirse utilizando gas hidrógeno también plantea problemas a la hora de ampliar la tecnología.

Hay un largo camino por recorrer desde una sinapsis artificial individual hasta grandes redes capaces de llevar a cabo un procesamiento de información serio. Pero la excepcional velocidad y el diminuto tamaño de los componentes sugieren que se trata de una dirección prometedora en la búsqueda de un nuevo hardware que pueda igualar o incluso superar la potencia del cerebro humano.

Crédito de la imagen: Estudio Ella Maru/Murat Onen