por Edd Gent
Los investigadores han estado tratando de construir sinapsis artificiales durante años con la esperanza de acercarse al rendimiento computacional inigualable del cerebro humano. Ahora, un nuevo enfoque ha logrado diseñar unos que son 1.000 veces más pequeños y 10.000 veces más rápidos que sus contrapartes biológicas.
A pesar del gran éxito del aprendizaje profundo durante la última década, este enfoque de la IA inspirado en el cerebro enfrenta el desafío de que se ejecuta en un hardware que se parece poco a los cerebros reales. Esta es una gran parte de la razón por la que un cerebro humano que pesa solo tres libras puede realizar nuevas tareas en segundos usando la misma cantidad de energía que una bombilla, mientras que entrenar las redes neuronales más grandes lleva semanas, megavatios hora de electricidad y bastidores. de procesadores especializados.
Eso está provocando un creciente interés en los esfuerzos para rediseñar el hardware subyacente en el que se ejecuta la IA. La idea es que al construir chips de computadora cuyos componentes actúen más como neuronas y sinapsis naturales, podríamos acercarnos a la eficiencia espacial y energética extrema del cerebro humano. La esperanza es que estos llamados procesadores “neuromórficos” puedan ser mucho más adecuados para ejecutar IA que los chips de computadora actuales .
Ahora, investigadores del MIT han demostrado que un diseño de sinapsis artificial inusual que imita la dependencia del cerebro en el transporte de iones podría superar significativamente a los biológicos. El avance clave fue encontrar un material que tolerara los campos eléctricos extremos, lo que mejoró drásticamente la velocidad con la que se podían mover los iones.
“ La velocidad ciertamente fue sorprendente”, dijo Murat Onen, quien dirigió la investigación, en un comunicado de prensa . “Normalmente, no aplicaríamos campos tan extremos en los dispositivos para no convertirlos en cenizas. Pero en cambio, los protones [que son equivalentes a los iones de hidrógeno] terminaron viajando a velocidades inmensas a través de la pila del dispositivo, específicamente un millón de veces más rápido en comparación con lo que teníamos antes”.
Si bien existe una variedad de enfoques para la ingeniería neuromórfica, uno de los más prometedores es la computación analógica. Esto busca diseñar componentes que puedan explotar su física interna para procesar información, lo cual es mucho más eficiente y directo que llevar a cabo operaciones lógicas complejas como lo hacen los chips convencionales.
Hasta ahora, gran parte de la investigación se ha centrado en el diseño de ” memristores “, componentes electrónicos que controlan el flujo de corriente en función de la cantidad de carga que fluyó previamente a través del dispositivo. Esto imita la forma en que las conexiones entre las neuronas biológicas aumentan o disminuyen en fuerza dependiendo de la frecuencia con la que se comunican, lo que significa que, en principio, estos dispositivos podrían usarse para crear redes con propiedades similares a las redes neuronales biológicas.
Quizás, como era de esperar, estos dispositivos a menudo se construyen utilizando tecnologías de memoria. Pero en un nuevo artículo en Science , los investigadores del MIT argumentan que los componentes optimizados para el almacenamiento de información a largo plazo en realidad no son adecuados para llevar a cabo las transiciones de estado regulares requeridas para ajustar continuamente las fuerzas de conexión en una red neuronal artificial. Esto se debe a que las propiedades físicas que aseguran largos tiempos de retención normalmente no son complementarias a las que permiten la conmutación de alta velocidad.
Esta es la razón por la que los investigadores han diseñado un componente cuya conductividad está regulada por 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 usan iones para transmitir señales a través del espacio entre dos neuronas.
Sin embargo, ahí es donde terminan las similitudes . El dispositivo cuenta con dos terminales que son esencialmente la entrada y la salida de la sinapsis. Se utiliza un tercer terminal para aplicar un campo eléctrico, que estimula los protones para que se muevan desde un depósito hacia el canal PSG o viceversa, dependiendo de la dirección del campo eléctrico. Más protones en el canal aumentan su resistencia.
The researchers came up with this general design back in 2020, but their earlier device used materials that were not compatible with chip design processes. But more importantly, the switch to PSG has dramatically increased the switching speed of their device. That’s because nano-sized pores in its structure enable the protons to move very quickly through the material, and also because it can withstand very strong electric field pulses without degrading.
Los campos eléctricos más potentes dan a los protones un impulso de velocidad masivo y son clave para la capacidad del dispositivo para superar las sinapsis biológicas. En el cerebro, los campos eléctricos deben mantenerse relativamente débiles porque cualquier valor superior a 1,23 voltios (V) hace que el agua que constituye la mayor parte de las células se divida en hidrógeno y oxígeno. Esto es en gran parte por qué los procesos neurológicos ocurren en la escala de milisegundos.
Por el contrario, el dispositivo del equipo del MIT es capaz de operar hasta 10 voltios en pulsos tan cortos como 5 nanosegundos. Esto permite que la sinapsis artificial opere 10.000 veces más rápido que su contraparte biológica . Además de eso, los dispositivos tienen solo nanómetros de ancho, lo que los hace 1000 veces más pequeños que las sinapsis biológicas.
Los expertos le dijeron a New Scientist que la configuración de tres terminales del dispositivo, a diferencia de las dos que se encuentran en la mayoría de los modelos de neuronas, podría dificultar la ejecución de ciertos tipos de redes neuronales. El hecho de que los protones deban introducirse utilizando gas hidrógeno también presenta desafíos al ampliar la tecnología.
Hay un largo camino por recorrer desde una sinapsis artificial individual hasta grandes redes que sean capaces de llevar a cabo un procesamiento de información serio. Pero la velocidad excepcional y el diminuto tamaño de los componentes sugieren que esta es una dirección prometedora en la búsqueda de nuevo hardware que pueda igualar o incluso superar la potencia del cerebro humano.
Crédito de la imagen: Ella Maru Studio/Murat Onen
