Especialmente las actividades en el campo de la inteligencia artificial, como enseñar a los robots a caminar o el reconocimiento automático preciso de imágenes, exigen chips de computadora cada vez más potentes, pero al mismo tiempo más económicos. Mientras que la optimización de la microelectrónica convencional está alcanzando lentamente sus límites físicos,La naturaleza nos ofrece un modelo de cómo se puede 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 han imitado con éxito el funcionamiento de las neuronas cerebrales.utilizando materiales semiconductores. Han publicado los resultados de su investigación en la revista Nature Electronics.
En la actualidad, la mejora del rendimiento de la microelectrónica generalmente se logra reduciendo 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.El físico, que ha estado trabajando en HZDR desde principios de año, es uno de los tres autores principales del estudio internacional, que involucró a un total de seis institutos. Un enfoque se basa en el cerebro, combinando el procesamiento de datos con el almacenamiento de datos enuna neurona artificial.
"Nuestro grupo tiene una amplia experiencia con sensores electrónicos biológicos y químicos", continúa Baraban. "Entonces, simulamos las propiedades de las neuronas utilizando los principios de los biosensores y modificamos un transistor de efecto de campo clásico para crear un neurotransistor artificial". La ventajade tal arquitectura radica en el almacenamiento y procesamiento simultáneos de información en un solo componente. En la tecnología de transistores convencional, están separados, lo que ralentiza el tiempo de procesamiento y, por lo tanto, en última instancia, 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 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 materiales y nanotecnología es uno de los tres cerebros detrás del neurotransistor junto con Ronald Tetzlaff, profesor de Fundamentos de Ingeniería Eléctrica en Dresde, y Leon Chua de la Universidad de California en Berkeley, que habíaya postularon 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".El profesor explica. "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 lafuncionamiento del transistor. "Cuanto más se excita un transistor individual, más pronto se abrirá y dejará fluir la corriente. Esto fortalece la conexión. El sistema está aprendiendo".
Sin embargo, Cuniberti y su equipo no se centran en cuestiones 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 lo haríanser más inteligente. Por ejemplo, un robot con este tipo de 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 deComputadoras neuromórficas. Gracias a su plasticidad, que es similar a la del cerebro humano, pueden adaptarse a tareas cambiantes durante el funcionamiento y, así, resolver problemas para los que no fueron programadas originalmente.
Fuente de la historia :
Materiales proporcionado por Helmholtz-Zentrum Dresden-Rossendorf . Nota: el contenido se puede editar por estilo y longitud.
Una 'explosión' en los detectores LIGO y Virgo señala la fuente de ondas gravitacionales más masiva hasta ahora
¿El oxígeno de la Tierra ha oxidado la Luna durante miles de millones de años?
Hubble Maps Giant Halo Around Andromeda Galaxy
Los rayos cósmicos pueden afectar pronto a la computación cuántica