"Este es el primer estudio en el que hemos podido emular una neurona con un solo dispositivo a nanoescala, que de otro modo necesitaría cientos de transistores", dijo el Dr. R. Stanley Williams, autor principal del estudio y profesor de laDepartamento de Ingeniería Eléctrica e Informática. "También hemos podido utilizar con éxito redes de nuestras neuronas artificiales para resolver versiones de juguete de un problema del mundo real que es computacionalmente intenso incluso para las tecnologías digitales más sofisticadas".
En particular, los investigadores han demostrado una prueba de concepto de que su sistema inspirado en el cerebro puede identificar posibles mutaciones en un virus, lo cual es muy relevante para garantizar la eficacia de las vacunas y medicamentos para las cepas que exhiben diversidad genética.
Durante las últimas décadas, las tecnologías digitales se han vuelto más pequeñas y más rápidas debido en gran parte a los avances en la tecnología de transistores. Sin embargo, estos componentes críticos del circuito se están acercando rápidamente al límite de lo pequeños que pueden construirse, iniciando un esfuerzo global para encontrar un nuevotipo de tecnología que puede complementar, si no reemplazar, los transistores.
Además de este problema de "reducción de escala", las tecnologías digitales basadas en transistores tienen otros desafíos bien conocidos. Por ejemplo, luchan por encontrar soluciones óptimas cuando se les presentan grandes conjuntos de datos.
"Tomemos un ejemplo familiar de cómo encontrar la ruta más corta desde su oficina a su casa. Si tiene que hacer una sola parada, es un problema bastante fácil de resolver. Pero si por alguna razón necesita hacer 15 paradas entre, tiene 43 mil millones de rutas para elegir ", dijo el Dr. Suhas Kumar, autor principal del estudio e investigador de Hewlett Packard Labs." Este es ahora un problema de optimización, y las computadoras actuales son bastante ineptas para resolverlo ".
Kumar agregó que otra tarea ardua para las máquinas digitales es el reconocimiento de patrones, como identificar una cara como la misma sin importar el punto de vista o reconocer una voz familiar enterrada entre un estruendo de sonidos.
Pero las tareas que pueden hacer que las máquinas digitales se vuelvan locas computacionalmente son aquellas en las que el cerebro sobresale. De hecho, los cerebros no solo son rápidos en los problemas de reconocimiento y optimización, sino que también consumen mucha menos energía que los sistemas digitales. Por lo tanto, al imitarcómo el cerebro resuelve este tipo de tareas, Williams dijo que los sistemas neuromórficos o inspirados en el cerebro podrían superar algunos de los obstáculos computacionales que enfrentan las tecnologías digitales actuales.
Para construir el bloque de construcción fundamental del cerebro o una neurona, los investigadores ensamblaron un dispositivo sintético a nanoescala que consta de capas de diferentes materiales inorgánicos, cada uno con una función única. Sin embargo, dijeron que la verdadera magia ocurre en la capa delgada hecha deel compuesto dióxido de niobio.
Cuando se aplica un pequeño voltaje a esta región, su temperatura comienza a aumentar. Pero cuando la temperatura alcanza un valor crítico, el dióxido de niobio experimenta un rápido cambio de personalidad, pasando de un aislante a un conductor. Pero a medida que comienza a conducircorrientes eléctricas, su temperatura desciende y el dióxido de niobio vuelve a ser un aislante.
Estas transiciones de ida y vuelta permiten que los dispositivos sintéticos generen un pulso de corriente eléctrica que se asemeja mucho al perfil de picos eléctricos, o potenciales de acción, producidos por neuronas biológicas. Además, al cambiar el voltaje a través de sus neuronas sintéticas, ellos investigadores reprodujeron una amplia gama de comportamientos neuronales observados en el cerebro, como el disparo sostenido, estallado y caótico de picos eléctricos.
"Capturar el comportamiento dinámico de las neuronas es un objetivo clave para las computadoras inspiradas en el cerebro", dijo Kumar. En total, pudimos recrear alrededor de 15 tipos de perfiles de activación neuronal, todos utilizando un solo componente eléctrico y con energías mucho más bajasen comparación con los circuitos basados en transistores ".
Para evaluar si sus neuronas sintéticas pueden resolver problemas del mundo real, los investigadores primero conectaron 24 dispositivos a nanoescala de este tipo en una red inspirada en las conexiones entre la corteza cerebral y el tálamo, una vía neuronal muy conocida involucrada en el reconocimiento de patrones. Siguiente, utilizaron este sistema para resolver una versión de juguete del problema de reconstrucción de cuasiespecies virales, donde se identifican variaciones mutantes de un virus sin un genoma de referencia.
Por medio de entradas de datos, los investigadores introdujeron en la red fragmentos de genes cortos. Luego, al programar la fuerza de las conexiones entre las neuronas artificiales dentro de la red, establecieron reglas básicas para unir estos fragmentos genéticos. La tarea similar a un rompecabezaspara la red era enumerar mutaciones en el genoma del virus basándose en estos cortos segmentos genéticos.
Los investigadores encontraron que en unos pocos microsegundos, su red de neuronas artificiales se estableció en un estado que era indicativo del genoma de una cepa mutante.
Williams y Kumar notaron que este resultado es una prueba de principio de que sus sistemas neuromórficos pueden realizar tareas rápidamente de manera energéticamente eficiente.
Los investigadores dijeron que los próximos pasos en su investigación serán expandir el repertorio de los problemas que sus redes similares al cerebro pueden resolver incorporando otros patrones de activación y algunas propiedades distintivas del cerebro humano como el aprendizaje y la memoria. También planeanabordar los desafíos de hardware para implementar su tecnología a escala comercial.
"Calcular la deuda nacional o resolver una simulación a gran escala no es el tipo de tarea en la que el cerebro humano es bueno y por eso tenemos computadoras digitales. Alternativamente, podemos aprovechar nuestro conocimiento de las conexiones neuronales para resolver problemas que el cerebroes excepcionalmente bueno ", dijo Williams." Hemos demostrado que, según el tipo de problema, existen formas diferentes y más eficientes de hacer cálculos distintos de los métodos convencionales que utilizan computadoras digitales con transistores ".
Algunos casos graves de COVID-19 relacionados con mutaciones genéticas o anticuerpos que atacan el cuerpo
El aprendizaje inconsciente es la base de la creencia en Dios, sugiere un estudio