Un equipo del MIT ha avanzado hacia un sistema alternativo para simular redes neuronales, que usa dispositivos físicos analógicos que pueden imitar de manera mucho más eficiente los procesos cerebrales.

Equipos de todo el mundo están construyendo sistemas de inteligencia artificial cada vez más sofisticados de un tipo llamado redes neuronales, diseñados de alguna manera para imitar el cableado del cerebro, para llevar a cabo tareas como la visión por computadora y el procesamiento del lenguaje natural.

La nueva investigación del MIT trata de superar el obstáculo de que el uso de circuitos de semiconductores de última generación para simular redes neuronales requiere grandes cantidades de memoria y un alto consumo de energía.

Los hallazgos en tecnología basada en iones, que se presentan en Nature Communications, puede permitir simulaciones energéticamente eficientes del proceso de aprendizaje del cerebro, para sistemas de IA de redes neuronales.

Las redes neuronales intentan simular la forma en que se lleva a cabo el aprendizaje en el cerebro, que se basa en el fortalecimiento o debilitamiento gradual de las conexiones entre las neuronas, conocidas como sinapsis. El componente central de esta red neuronal física es el interruptor resistivo, cuya conductancia electrónica se puede controlar eléctricamente. Este control, o modulación, emula el fortalecimiento y el debilitamiento de las sinapsis en el cerebro.

En las redes neuronales que utilizan la tecnología convencional de microchips de silicio, la simulación de estas sinapsis es un proceso muy intensivo en energía. Para mejorar la eficiencia y permitir objetivos de red neuronal más ambiciosos, los investigadores en los últimos años han estado explorando una serie de dispositivos físicos que podrían imitar más directamente la forma en que las sinapsis se fortalecen y debilitan gradualmente durante el aprendizaje y el olvido.

La mayoría de los dispositivos resistivos analógicos candidatos hasta ahora para tales sinapsis simuladas han sido muy ineficientes, en términos de uso de energía, o han funcionado de manera inconsistente de un dispositivo a otro o de un ciclo al siguiente.

El nuevo sistema, dicen los investigadores, supera estos dos desafíos. “Estamos abordando no solo el desafío energético, sino también el desafío relacionado con la repetibilidad que está presente en algunos de los conceptos existentes”, dice en un comunicado el autor del estudio Bilge Yildiz, quien es profesor de ciencias e ingeniería nuclear y de ciencia e ingeniería de materiales.

“Creo que el cuello de botella hoy en día para construir aplicaciones [de redes neuronales] es la eficiencia energética. Simplemente se necesita demasiada energía para entrenar estos sistemas, particularmente para aplicaciones en el borde, como los autos autónomos”, dice el coautor Jesús del Alamo, profesor en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación. Muchas de estas aplicaciones exigentes simplemente no son factibles con la tecnología actual, agrega.

El interruptor resistivo en este trabajo es un dispositivo electroquímico, que está hecho de trióxido de tungsteno (WO3) y funciona de manera similar a la carga y descarga de baterías. Los iones, en este caso los protones, pueden migrar dentro o fuera de la red cristalina del material, explica Yildiz, dependiendo de la polaridad y la fuerza de un voltaje aplicado. Estos cambios permanecen en su lugar hasta que sean alterados por un voltaje aplicado inversamente, al igual que el fortalecimiento o debilitamiento de las sinapsis.

“El mecanismo es similar al dopaje de los semiconductores”, dice el coautor Ju Li, quien también es profesor de ciencia e ingeniería nuclear y de ciencia e ingeniería de materiales. En ese proceso, la conductividad del silicio se puede cambiar en muchos órdenes de magnitud mediante la introducción de iones extraños en la red de silicio.

“Tradicionalmente, esos iones se implantaron en la fábrica”, dice, pero con el nuevo dispositivo, los iones se bombean dentro y fuera de la red en un proceso dinámico y continuo. Los investigadores pueden controlar la cantidad de iones “dopantes” que entran o salen al controlar el voltaje, y “hemos demostrado una muy buena repetibilidad y eficiencia energética”, dice.

Yildiz agrega que este proceso es “muy similar a cómo funcionan las sinapsis del cerebro biológico”. Allí, no estamos trabajando con protones, sino con otros iones como calcio, potasio, magnesio, etc., y al mover esos iones en realidad cambias la resistencia de las sinapsis, y eso es un elemento de aprendizaje “. El proceso que tiene lugar en el trióxido de tungsteno en su dispositivo es similar a la modulación de resistencia que tiene lugar en las sinapsis biológicas, dice ella.

“Lo que hemos demostrado aquí”, dice Yildiz, “a pesar de que no es un dispositivo optimizado, llega al orden de consumo de energía por unidad de área por unidad de cambio en la conductancia que está cerca de eso en el cerebro”. Intentar lograr la misma tarea con los semiconductores convencionales de tipo CMOS requeriría un millón de veces más energía, dice.

Los materiales utilizados en la demostración del nuevo dispositivo fueron elegidos por su compatibilidad con los actuales sistemas de fabricación de semiconductores, según Li. Pero incluyen un material polimérico que limita la tolerancia del dispositivo al calor, por lo que el equipo aún está buscando otras variaciones de la membrana conductora de protones del dispositivo y mejores formas de encapsular su fuente de hidrógeno para operaciones a largo plazo.

Fuente: europapress.es