Exitosamente han imitado el funcionamiento de las neuronas utilizando semiconductores avanzados.

Específicamente las actividades en el campo de la inteligencia artificial, como enseñar a los robots a caminar o el reconocimiento preciso de imágenes automáticas, exigen chips de computadora cada vez más potentes y, al mismo tiempo, más económicos. Si bien la optimización de la microelectrónica convencional está llegando lentamente a sus límites físicos, la naturaleza nos ofrece un plan para procesar y almacenar la información de manera rápida y eficiente: nuestro propio cerebro. Por primera vez, los científicos de TU Dresden y Helmholtz-Zentrum Dresden-Rossendorf (HZDR) ahora han imitado con éxito el funcionamiento de las neuronas cerebrales utilizando materiales semiconductores. Ellos han publicado sus resultados de investigación en la revista Nature Electronics.

Hoy en día, la mejora del rendimiento de la microelectrónica generalmente se logra al reducir el tamaño de los componentes, especialmente de los transistores individuales en los chips de computadora de silicio. «Pero eso no puede continuar indefinidamente, necesitamos nuevos enfoques», afirma Larysa Baraban. La física que ha estado trabajando en HZDR desde principios de año, es uno de los tres autores principales del estudio internacional, en el que participaron un total de seis institutos. Un enfoque se basa en el cerebro, combinando el procesamiento de datos con el almacenamiento de datos en una neurona artificial.

«Nuestro grupo tiene una amplia experiencia con sensores electrónicos biológicos y químicos», continúa Baraban. «Entonces, simulamos las propiedades de las neuronas usando los principios de los biosensores y modificamos un transistor de efecto de campo clásico para crear un neurotransistor artificial». La ventaja de tal arquitectura radica en el almacenamiento y procesamiento simultáneo de información en un solo componente. En la tecnología de transistores convencionales, están separados, lo que ralentiza el tiempo de procesamiento y, por lo tanto, también limita el rendimiento.

Oblea de silicio + polímero = chip capaz de aprender

Modelar computadoras en el cerebro humano no es una idea nueva. Los científicos intentaron conectar las células nerviosas a la electrónica en las placas de Petri hace décadas. «Pero un chip de computadora húmedo que tiene que ser alimentado todo el tiempo no sirve para nadie», dice Gianaurelio Cuniberti de TU Dresden. El Profesor de Ciencia de los Materiales y Nanotecnología es uno de los tres cerebros detrás del neurotransistor junto a Ronald Tetzlaff, Profesor de Fundamentos de Ingeniería Eléctrica en Dresden, y Leon Chua de la Universidad de California en Berkeley, que ya había postulado componentes similares a principios de la década de 1970.

Ahora, Cuniberti, Baraban y su equipo han podido implementarlo: «Aplicamos una sustancia viscosa, llamada solgel, a una oblea de silicio convencional con circuitos. Este polímero se endurece y se convierte en una cerámica porosa», explica el profesor de ciencias de los materiales. . «Los iones se mueven entre los agujeros. Son más pesados ​​que los electrones y más lentos para volver a su posición después de la excitación. Este retraso, llamado histéresis, es lo que causa el efecto de almacenamiento». Como explica Cuniberti, este es un factor decisivo en el funcionamiento del transistor. «Cuanto más se excita un transistor individual, antes se abrirá y dejará que fluya la corriente. Esto fortalece la conexión. El sistema está aprendiendo».

Sin embargo, Cuniberti y su equipo no están enfocados en problemas convencionales. «Las computadoras basadas en nuestro chip serían menos precisas y tenderían a estimar cálculos matemáticos en lugar de calcularlos hasta el último decimal», explica el científico. «Pero serían más inteligentes. Por ejemplo, un robot con tales procesadores aprendería a caminar o agarrar; poseería un sistema óptico y aprendería a reconocer conexiones. Y todo esto sin tener que desarrollar ningún software». Pero estas no son las únicas ventajas de las computadoras neuromórficas. Gracias a su plasticidad, que es similar a la del cerebro humano, pueden adaptarse a las tareas cambiantes durante la operación y, por lo tanto, resolver problemas para los que no fueron programados originalmente.

Fuente: Helmholtz-Zentrum Dresden-Rossendorf

Comments are closed.