Cuando se trata de poder de procesamiento, el cerebro humano simplemente no puede ser vencido.
Empacados dentro del órgano blando, del tamaño de una pelota de fútbol, hay alrededor de 100 mil millones de neuronas. En cualquier momento, una sola neurona puede transmitir instrucciones a miles de otras neuronas a través de sinapsis, los espacios entre neuronas, a través de los cuales se intercambian neurotransmisores. Allíson más de 100 billones de sinapsis que median la señalización de las neuronas en el cerebro, fortalecen algunas conexiones mientras podan otras, en un proceso que permite al cerebro reconocer patrones, recordar hechos y llevar a cabo otras tareas de aprendizaje, a la velocidad de la luz.
Los investigadores en el campo emergente de la "computación neuromórfica" han intentado diseñar chips de computadora que funcionan como el cerebro humano. En lugar de llevar a cabo cálculos basados en señales binarias de encendido / apagado, como lo hacen hoy los chips digitales, los elementos de un "cerebro en un chip "funcionaría de manera análoga, intercambiando un gradiente de señales, o" pesos ", al igual que las neuronas que se activan de varias maneras dependiendo del tipo y número de iones que fluyen a través de una sinapsis
De esta forma, los pequeños chips neuromórficos podrían, como el cerebro, procesar de manera eficiente millones de flujos de cálculos paralelos que actualmente solo son posibles con grandes bancos de supercomputadoras. Pero una interrupción significativa en el camino hacia dicha inteligencia artificial portátil ha sido la neuronalsinapsis, que ha sido particularmente difícil de reproducir en hardware.
Ahora los ingenieros del MIT han diseñado una sinapsis artificial de tal manera que pueden controlar con precisión la fuerza de una corriente eléctrica que fluye a través de ella, similar a la forma en que los iones fluyen entre las neuronas. El equipo ha construido un pequeño chip con sinapsis artificiales,hecho de silicio germanio. En las simulaciones, los investigadores encontraron que el chip y sus sinapsis podían usarse para reconocer muestras de escritura a mano, con una precisión del 95 por ciento.
El diseño, publicado hoy en la revista Materiales de la naturaleza , es un paso importante hacia la construcción de chips neuromórficos portátiles de baja potencia para usar en el reconocimiento de patrones y otras tareas de aprendizaje.
La investigación fue dirigida por Jeehwan Kim, Profesor Asistente de Desarrollo de Carrera de la Clase de 1947 en los departamentos de Ingeniería Mecánica y Ciencia e Ingeniería de Materiales, y un investigador principal en el Laboratorio de Investigación de Electrónica y Laboratorios de Tecnología de Microsistemas del MIT. Sus coautores sonShinhyun Choi primer autor, Scott Tan co-primer autor, Zefan Li, Yunjo Kim, Chanyeol Choi y Hanwool Yeon del MIT, junto con Pai-Yu Chen y Shimeng Yu de la Universidad Estatal de Arizona.
demasiados caminos
La mayoría de los diseños de chips neuromórficos intentan emular la conexión sináptica entre las neuronas usando dos capas conductoras separadas por un "medio de conmutación" o espacio similar a una sinapsis. Cuando se aplica un voltaje, los iones deben moverse en el medio de conmutación para crear filamentos conductores,de manera similar a cómo cambia el "peso" de una sinapsis.
Pero ha sido difícil controlar el flujo de iones en los diseños existentes. Kim dice que eso se debe a que la mayoría de los medios de conmutación, hechos de materiales amorfos, tienen caminos ilimitados posibles a través de los cuales los iones pueden viajar, un poco como Pachinko, un juego de arcade mecánico quecanaliza pequeñas bolas de acero hacia abajo a través de una serie de pasadores y palancas, que actúan para desviar o dirigir las bolas fuera de la máquina.
Al igual que Pachinko, los medios de conmutación existentes contienen múltiples rutas que dificultan predecir dónde pasarán los iones. Kim dice que puede crear una no uniformidad no deseada en el rendimiento de una sinapsis.
"Una vez que aplica algo de voltaje para representar algunos datos con su neurona artificial, tiene que borrar y poder volver a escribirla exactamente de la misma manera", dice Kim. "Pero en un sólido amorfo, cuando vuelve a escribir,los iones van en diferentes direcciones porque hay muchos defectos. Esta corriente está cambiando y es difícil de controlar. Ese es el mayor problema: la falta de uniformidad de la sinapsis artificial ".
Un desajuste perfecto
En lugar de utilizar materiales amorfos como una sinapsis artificial, Kim y sus colegas buscaron silicio monocristalino, un material conductor libre de defectos hecho de átomos dispuestos en una alineación ordenada continuamente. El equipo buscó crear una precisa, unidimensionaldefecto de línea, o dislocación, a través del silicio, a través del cual los iones podrían fluir previsiblemente.
Para hacerlo, los investigadores comenzaron con una oblea de silicio, que se asemeja, a una resolución microscópica, a un patrón de alambre de pollo. Luego crecieron un patrón similar de silicio germanio, un material que también se usa comúnmente en los transistores, encima dela oblea de silicio. La red de germanio de silicio es ligeramente más grande que la de silicio, y Kim descubrió que juntos, los dos materiales que no coinciden perfectamente pueden formar una dislocación en forma de embudo, creando una sola ruta a través de la cual pueden fluir los iones.
Los investigadores fabricaron un chip neuromórfico que consta de sinapsis artificiales hechas de silicio germanio, cada sinapsis mide aproximadamente 25 nanómetros de ancho. Aplicaron voltaje a cada sinapsis y descubrieron que todas las sinapsis exhibían más o menos la misma corriente o flujo de iones, conaproximadamente una variación del 4 por ciento entre las sinapsis, un rendimiento mucho más uniforme en comparación con las sinapsis hechas de material amorfo.
También probaron una sinapsis única en múltiples ensayos, aplicando el mismo voltaje durante 700 ciclos, y encontraron que la sinapsis exhibía la misma corriente, con solo una variación del 1 por ciento de ciclo a ciclo.
"Este es el dispositivo más uniforme que podríamos lograr, que es la clave para demostrar las redes neuronales artificiales", dice Kim.
Escritura, reconocida
Como prueba final, el equipo de Kim exploró cómo funcionaría su dispositivo si llevara a cabo tareas de aprendizaje reales, específicamente, reconociendo muestras de escritura a mano, que los investigadores consideran que es una primera prueba práctica para chips neuromórficos. Estos chips consistiríande "neuronas de entrada / ocultas / de salida", cada una conectada a otras "neuronas" a través de sinapsis artificiales basadas en filamentos.
Los científicos creen que tales pilas de redes neuronales pueden "aprender". Por ejemplo, cuando se alimenta una entrada que es un '1' escrito a mano con una salida que lo etiqueta como '1', ciertas neuronas de salida serán activadas porneuronas de entrada y pesos de una sinapsis artificial. Cuando se introducen más ejemplos de '1' escritos a mano en el mismo chip, las mismas neuronas de salida pueden activarse cuando perciben características similares entre diferentes muestras de la misma letra, por lo tanto, "aprenden" en unde manera similar a lo que hace el cerebro.
Kim y sus colegas realizaron una simulación por computadora de una red neuronal artificial que consta de tres láminas de capas neuronales conectadas a través de dos capas de sinapsis artificiales, cuyas propiedades se basaron en mediciones de su chip neuromórfico real. Se alimentaron en sus decenas de simulación.de miles de muestras de un conjunto de datos de reconocimiento manuscrito comúnmente utilizado por diseñadores neuromórficos, y descubrieron que su hardware de red neuronal reconocía muestras manuscritas el 95 por ciento del tiempo, en comparación con el 97 por ciento de precisión de los algoritmos de software existentes.
El equipo está en el proceso de fabricar un chip neuromórfico en funcionamiento que puede llevar a cabo tareas de reconocimiento de escritura a mano, no en simulación sino en realidad. Mirando más allá de la escritura a mano, Kim dice que el diseño de sinapsis artificial del equipo permitirá dispositivos de red neuronal portátiles mucho más pequeñosque puede realizar cálculos complejos que actualmente solo son posibles con grandes supercomputadoras.
"En última instancia, queremos un chip tan grande como una uña para reemplazar una gran supercomputadora", dice Kim. "Esto abre un trampolín para producir hardware artificial real".
Esta investigación fue apoyada en parte por la National Science Foundation.
Fuente de la historia :
Materiales proporcionado por Instituto de Tecnología de Massachusetts . Original escrito por Jennifer Chu. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :