MADRID, 22 Dic. (EUROPA PRESS) -
Los investigadores se han inspirado en el cerebro humano para desarrollar un nuevo transistor sináptico capaz de un pensamiento de alto nivel, que imita la inteligencia humana, según publican en la revista 'Nature'.
Diseñado por investigadores de la Northwestern University, el Boston College y el Instituto Tecnológico de Massachusetts (MIT), en Estados Unidos, el dispositivo procesa y almacena información simultáneamente, igual que el cerebro humano. En nuevos experimentos, los investigadores demostraron que el transistor va más allá de las simples tareas de aprendizaje automático para categorizar datos y es capaz de realizar un aprendizaje asociativo.
Aunque estudios anteriores han aprovechado estrategias similares para desarrollar dispositivos informáticos similares al cerebro, esos transistores no pueden funcionar fuera de temperaturas criogénicas. El nuevo dispositivo, en cambio, es estable a temperatura ambiente. Además, funciona a gran velocidad, consume muy poca energía y conserva la información almacenada incluso cuando se le retira la alimentación, lo que lo hace ideal para aplicaciones del mundo real.
"El cerebro tiene una arquitectura fundamentalmente distinta a la de un ordenador digital --explica Mark C. Hersam, catedrático de Ciencia e Ingeniería de Materiales en la Northwestern y codirector de la investigación--. En un ordenador digital, los datos van y vienen entre un microprocesador y la memoria, lo que consume mucha energía y crea un cuello de botella cuando se intenta realizar varias tareas al mismo tiempo. En cambio, en el cerebro, la memoria y el procesamiento de la información están ubicados en el mismo lugar y totalmente integrados, lo que se traduce en una eficiencia energética de órdenes de magnitud superiores".
"Nuestro transistor sináptico logra de forma similar una funcionalidad concurrente de memoria y procesamiento de la información para imitar más fielmente al cerebro", añade Hersam, que ha codirigido la investigación con Qiong Ma, del Boston College, y Pablo Jarillo-Herrero, del MIT.
Los recientes avances en inteligencia artificial (IA) han motivado a los investigadores a desarrollar ordenadores que funcionen de forma más parecida al cerebro humano. Los sistemas informáticos digitales convencionales tienen unidades de procesamiento y almacenamiento separadas, lo que hace que las tareas intensivas en datos devoren grandes cantidades de energía.
Dado que los dispositivos inteligentes recopilan continuamente cantidades ingentes de datos, los investigadores se afanan por descubrir nuevas formas de procesarlos sin consumir cada vez más energía. Actualmente, la resistencia de memoria, o "memristor", es la tecnología más desarrollada que puede realizar funciones combinadas de procesamiento y memoria. Pero los memristores siguen adoleciendo de una conmutación costosa en energía.
"Durante varias décadas, el paradigma de la electrónica ha sido construirlo todo con transistores y utilizar la misma arquitectura de silicio --recuerda Hersam--. Se ha avanzado mucho simplemente introduciendo más y más transistores en los circuitos integrados. No se puede negar el éxito de esa estrategia, pero tiene el coste de un elevado consumo de energía, especialmente en la actual era de los grandes datos, en la que la informática digital va camino de desbordar la red. Tenemos que replantearnos el hardware informático, especialmente para tareas de IA y aprendizaje automático".
Para replantearse este paradigma, Hersam y su equipo exploraron nuevos avances en la física de los patrones moiré, un tipo de diseño geométrico que surge cuando dos patrones se superponen en capas. Cuando se apilan materiales bidimensionales, surgen nuevas propiedades que no existen en una sola capa. Y cuando esas capas se retuercen para formar un patrón de muaré, se hace posible una sintonización sin precedentes de las propiedades electrónicas.
Para el nuevo dispositivo, los investigadores combinaron dos tipos diferentes de materiales atómicamente finos: el grafeno bicapa y el nitruro de boro hexagonal. Cuando se apilan y se retuercen a propósito, los materiales forman un patrón de muaré. Al girar una capa con respecto a la otra, los investigadores lograron propiedades electrónicas diferentes en cada capa de grafeno, aunque sólo estuvieran separadas por dimensiones a escala atómica. Con la elección correcta de la torsión, los investigadores aprovecharon la física del muaré para conseguir una funcionalidad neuromórfica a temperatura ambiente.
"Con la torsión como nuevo parámetro de diseño, el número de permutaciones es enorme --asegura Hersam--. El grafeno y el nitruro de boro hexagonal son muy similares estructuralmente, pero lo bastante diferentes como para obtener efectos moiré excepcionalmente fuertes".
Para probar el transistor, Hersam y su equipo lo entrenaron para reconocer patrones similares, pero no idénticos. A principios de este mes, Hersam presentó un nuevo dispositivo nanoelectrónico capaz de analizar y clasificar datos de forma energéticamente eficiente, pero su nuevo transistor sináptico lleva el aprendizaje automático y la IA un paso más allá.
"Si se pretende que la IA imite el pensamiento humano, una de las tareas de más bajo nivel sería clasificar datos, que no es más que ordenar en compartimentos --explica--. Nuestro objetivo es hacer avanzar la tecnología de la IA hacia el pensamiento de alto nivel. Las condiciones del mundo real suelen ser más complicadas de lo que pueden manejar los algoritmos actuales de IA, así que probamos nuestros nuevos dispositivos en condiciones más complicadas para verificar sus capacidades avanzadas."
En primer lugar, los investigadores mostraron al dispositivo un patrón: 000 (tres ceros seguidos). A continuación, pidieron a la IA que identificara patrones similares, como 111 o 101. "Si lo entrenamos para detectar 000 y luego le damos 111 y 101, sabe que 111 es más parecido a 000 que 101", explica Hersam. "000 y 111 no son exactamente iguales, pero ambos son tres dígitos seguidos. Reconocer esa similitud es una forma superior de cognición conocida como aprendizaje asociativo".
En los experimentos, el nuevo transistor sináptico reconoció con éxito patrones similares, demostrando su memoria asociativa. Incluso cuando los investigadores le lanzaron bolas curvas, como darle patrones incompletos, siguió demostrando su capacidad de aprendizaje asociativo.
"La inteligencia artificial actual es fácil de confundir, lo que puede causar graves problemas en determinados contextos --advierte Hersam--. Imagina que utilizas un vehículo autoconducido y las condiciones meteorológicas empeoran. El vehículo podría no ser capaz de interpretar los datos más complicados de los sensores tan bien como lo haría un conductor humano. Pero incluso cuando dimos a nuestro transistor una entrada imperfecta, pudo identificar la respuesta correcta", resalta.
