Un grupo de científicos desarrolló en un laboratorio una sinapsis artificial que puede simular funciones fundamentales del sistema nervioso del ser humano, según publica este miércoles la revista ACS Nano de la Sociedad Estadounidense de Química.

El dispositivo, creado por un equipo de la Universidad del Sur de California y de la Universidad de Florida, puede enviar tanto señales inhibidoras como estimulantes desde la misma terminal.

Para los autores de esta investigación, la capacidad de imitar estas características de la sinapsis biológica en dispositivos semiconductores «puede mejorar las funcionalidades y la versatilidad de los sistemas electrónicos neuromórficos», es decir, de los que imitan las estructuras del sistema nervioso.

En ese sentido, los investigadores resaltan que esto permitiría mejorar la capacidad de esos dispositivos para realizar tareas como el reconocimiento de imágenes, el aprendizaje y la cognición.

Uno de los principales desafíos que tienen los investigadores que intentan imitar la estructura del sistema nervioso para aplicarla a la inteligencia artificial es la complejidad del cerebro y de las conexiones entre las neuronas que posee más de 100 billones de sinapsis, que permiten que las neuronas puedan transmitirse señales eléctricas y químicas y pueden fomentar o inhibir los «mensajes biológicos».

Para desarrollar una inteligencia artificial que pueda imitar mejor las capacidades del cerebro del ser humano, los investigadores intentan recrear esas sinapsis. Sin embargo, en muchos casos los modelos sólo pueden recrear la transmisión de un tipo de señal.

El desarrollo difundido esta semana, en cambio, puede enviar de las dos clases y reconfigurarse a sí mismo basándose en el voltaje aplicado en su terminal.

Esto fue posible porque el grupo de investigadores trabajó con una unión de fósforo negro y seleniuro de estaño, que permitió el cambio entre las señales excitatorias y las inhibitorias.

«El dispositivo resultante descansa sólo en las señales eléctricas de cualquiera de las terminales presinápticas o postsinápticas para facilitar esa reconfiguración dinámica», explican los autores del estudio.

Además, el dispositivo es flexible y versátil, dos características deseables en las redes neuronales artificiales.

Fuente: EFE