Los científicos de IBM han creado neuronas que se disparan al azar utilizando materiales de cambio de fase para almacenar y procesar datos. Esta demostración marca un importante paso adelante en el desarrollo de tecnologías neuromórficas integradas ultradensas eficientes en energía para aplicaciones en computación cognitiva.
Inspirados en la forma en que funciona el cerebro biológico, los científicos han teorizado durante décadas que debería ser posible imitar las capacidades computacionales versátiles de grandes poblaciones de neuronas. Sin embargo, hacerlo a densidades y con un presupuesto de energía que sería comparable a esosvisto en biología ha sido un desafío significativo, hasta ahora.
"Hemos estado investigando materiales de cambio de fase para aplicaciones de memoria durante más de una década, y nuestro progreso en los últimos 24 meses ha sido notable", dijo el miembro de IBM Evangelos Eleftheriou. "En este período, hemos descubierto y publicado nueva memoriaLas técnicas, incluida la memoria proyectada, almacenaron 3 bits por celda en la memoria de cambio de fase por primera vez, y ahora están demostrando las poderosas capacidades de las neuronas artificiales basadas en el cambio de fase, que pueden realizar varias primitivas computacionales como la detección de correlación de datos yaprendizaje no supervisado a altas velocidades con muy poca energía "
Los resultados de esta investigación aparecen hoy en la portada de la revista revisada por pares Nanotecnología de la naturaleza .
Las neuronas artificiales diseñadas por científicos de IBM en Zurich consisten en materiales de cambio de fase, incluido el telururo de antimonio de germanio, que exhiben dos estados estables, uno amorfo sin una estructura claramente definida y uno cristalino con estructura.son la base de los discos Blu-ray regrabables. Sin embargo, las neuronas artificiales no almacenan información digital; son analógicas, al igual que las sinapsis y las neuronas en nuestro cerebro biológico.
En la demostración publicada, el equipo aplicó una serie de pulsos eléctricos a las neuronas artificiales, lo que resultó en la cristalización progresiva del material de cambio de fase, causando que la neurona se dispare. En neurociencia, esta función se conoce como la integraciónde las neuronas biológicas. Esta es la base para la computación basada en eventos y, en principio, es similar a cómo nuestro cerebro desencadena una respuesta cuando tocamos algo caliente.
Explotando esta propiedad de integrar y disparar, incluso una sola neurona puede usarse para detectar patrones y descubrir correlaciones en flujos de datos basados en eventos en tiempo real. Por ejemplo, en Internet de las cosas, los sensores pueden recolectar y analizar volúmenesde datos meteorológicos recopilados en el borde para pronósticos más rápidos. Las neuronas artificiales podrían usarse para detectar patrones en las transacciones financieras para encontrar discrepancias o usar datos de las redes sociales para descubrir nuevas tendencias culturales en tiempo real. Grandes poblaciones de estos de alta velocidad, bajaLas neuronas de nanoescala de energía también podrían usarse en coprocesadores neuromórficos con unidades de memoria y procesamiento ubicadas conjuntamente.
Los científicos de IBM han organizado cientos de neuronas artificiales en poblaciones y las han usado para representar señales rápidas y complejas. Además, se ha demostrado que las neuronas artificiales sostienen miles de millones de ciclos de conmutación, lo que correspondería a varios años de operación a una frecuencia de actualización de100 Hz. La energía requerida para cada actualización de neuronas era inferior a cinco picojulios y la potencia promedio de menos de 120 microwatios; en comparación, 60 millones de microvatios alimentan una bombilla de 60 vatios.
"Las poblaciones de neuronas estocásticas de cambio de fase, combinadas con otros elementos computacionales a nanoescala como las sinapsis artificiales, podrían ser un factor clave para la creación de una nueva generación de sistemas de computación neuromórficos extremadamente densos", dijo Tomas Tuma, coautordel papel.
Para leer más sobre esta investigación, vaya a: http://www.ibm.com/blogs/research/2016/08/unsupervised-learning-artificial-neurons
Fuente de la historia :
Materiales proporcionado por IBM Research . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :