Una nueva investigación, dirigida por la Universidad de Southampton, ha demostrado que un dispositivo a nanoescala, llamado memristor, podría usarse para alimentar sistemas artificiales que pueden imitar el cerebro humano.
Las redes neuronales artificiales ANN exhiben habilidades de aprendizaje y pueden realizar tareas que son difíciles para los sistemas informáticos convencionales, como el reconocimiento de patrones, el aprendizaje en línea y la clasificación. Las implementaciones prácticas de ANN actualmente se ven obstaculizadas por la falta de sinapsis de hardware eficientes; acomponente clave que cada ANN requiere en grandes cantidades.
En el estudio, publicado en Comunicaciones de la naturaleza , el equipo de investigación de Southampton demostró experimentalmente una ANN que utilizaba sinapsis de memristor que apoyaban reglas de aprendizaje sofisticadas para llevar a cabo un aprendizaje reversible de datos de entrada ruidosos.
Las memorias son componentes eléctricos que limitan o regulan el flujo de corriente eléctrica en un circuito y pueden recordar la cantidad de carga que fluía a través de él y retener los datos, incluso cuando la alimentación está apagada.
El autor principal, el Dr. Alex Serb, de Electrónica e Informática de la Universidad de Southampton, dijo: "Si queremos construir sistemas artificiales que puedan imitar el cerebro en función y potencia necesitamos usar cientos de miles de millones, quizás incluso billones desinapsis artificiales, muchas de las cuales deben ser capaces de implementar reglas de aprendizaje de diversos grados de complejidad. Si bien los componentes electrónicos actualmente disponibles se pueden unir para crear tales sinapsis, los puntos de referencia de potencia y eficiencia de área requeridos serán extremadamente difíciles de cumplir, incluso siposible en absoluto, sin diseñar 'componentes de sinapsis' nuevos y personalizados.
"Memristors ofrece una posible ruta hacia ese fin al admitir muchas características fundamentales de las sinapsis de aprendizaje almacenamiento de memoria, aprendizaje en línea, implementación de reglas de aprendizaje computacionalmente poderosas, estructura de dos terminales en volúmenes extremadamente compactos y costos de energía excepcionalmente bajos.Si los cerebros artificiales alguna vez se harán realidad, por lo tanto, las sinapsis memristivas tienen que tener éxito ".
Actuando como sinapsis en el cerebro, la matriz de memristores de óxido de metal fue capaz de aprender y reaprender patrones de entrada de manera no supervisada dentro de una red probabilística de ganador-se lleva todo WTA. Esto es extremadamente útil para permitirprocesadores integrados necesarios para Internet de las cosas que pueden procesar datos grandes en tiempo real sin ningún conocimiento previo de los datos.
El coautor Dr. Themis Prodromakis Reader en Nanoelectronics y EPSRC Fellow en Electrónica e Informática en la Universidad de Southampton, dijo: "La adopción de cualquier tecnología nueva generalmente se ve obstaculizada por la falta de demostradores prácticos que muestren los beneficios de la tecnología en la prácticaaplicaciones. Nuestro trabajo establece un cambio de paradigma tecnológico de este tipo, demostrando que los memristores a nanoescala pueden utilizarse para formular circuitos neuronales in silico para procesar grandes datos en tiempo real; un desafío clave de la sociedad moderna.
"Hemos demostrado que tales plataformas de hardware pueden adaptarse independientemente a su entorno sin intervención humana y son muy resistentes en el procesamiento confiable de datos incluso ruidosos en tiempo real. Este nuevo tipo de hardware podría encontrar una amplia gama de aplicaciones en detección generalizadatecnologías para alimentar el monitoreo en tiempo real en entornos hostiles o inaccesibles; una capacidad altamente deseable para permitir la visión de Internet de las cosas ".
Este trabajo interdisciplinario fue apoyado por un proyecto de premio neto CHIST-ERA y el Consejo de Investigación de Ingeniería y Ciencias Físicas. Reunió a ingenieros del Grupo de Nanoelectrónica y Nanotecnología de la Universidad de Southampton con científicos teóricos de la computación de la Universidad Tecnológica de Graz,utilizando las instalaciones de vanguardia del Centro de Nanofabricación de Southampton.
El Grupo Prodromakis de la Universidad de Southampton es reconocido como líder mundial en este campo, colaborando entre otros con Leon Chua un Académico Visitante de Jubileo de Diamante en la Universidad de Southampton, quien predijo teóricamente la existencia de mentores en 1971.
Fuente de la historia :
Materiales proporcionado por Universidad de Southampton . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :