Desarrollan dispositivo que fusiona funciones de detección y computación

En los últimos años, los ingenieros han intentado crear sistemas de hardware que soporten mejor las altas demandas computacionales de los algoritmos de aprendizaje automático.

Estos incluyen sistemas que pueden realizar múltiples funciones, actuando como sensores, memorias y procesadores de computadora a la vez.

Investigadores de la Universidad de Pekín desarrollaron recientemente una nueva plataforma informática neuromórfica reconfigurable que integra funciones de detección y computación en un solo dispositivo.

Este sistema está compuesto por una matriz de múltiples fototransistores con un memristor (MP1R).

“La inspiración para esta investigación surgió de las limitaciones de los sistemas de computación de visión tradicionales basados ​​en la arquitectura CMOS von Neumann“, dijo Yuchao Yang, autor principal del artículo.

“Estos sistemas se enfrentan a importantes desafíos en el procesamiento de imágenes en tiempo real debido a la separación física entre los sensores de imagen, la memoria y los procesadores, lo que da como resultado redundancia de datos, alto consumo de energía y retrasos en el procesamiento.

Por el contrario, los sistemas de visión biológica, como el ojo humano, demuestran una eficiencia y adaptabilidad notables, lo que motiva el desarrollo de enfoques bioinspirados para la computación de visión”.

Si bien se ha descubierto que los memristores fotónicos son dispositivos prometedores para ejecutar algoritmos para la visión por computadora, su capacidad para codificar y procesar datos ópticos es limitada.

Como resultado, a menudo no son tan adecuados para ejecutar otras arquitecturas de redes neuronales más allá de las diseñadas para completar tareas de visión por computadora.

“Este desafío nos motivó a explorar nuevas soluciones de procesamiento en el sensor capaces de unificar el aprendizaje automático y los paradigmas de computación de visión inspirados en la biología“, dijo Yang.

El objetivo principal del estudio reciente de Yang y sus colegas fue desarrollar una plataforma de procesamiento en el sensor universal y reconfigurable.

A diferencia de los sistemas anteriores basados ​​en memristores fotónicos, esta plataforma debería admitir tanto algoritmos de visión por computadora como otras arquitecturas de redes neuronales.

“Fabricamos el conjunto MP1R integrando un conjunto de fototransistores de 20×20 con 20 canales de memristores Mott reconfigurables”, explicó Yang.

“El proceso comenzó con la fabricación de transistores de película delgada de óxido de indio, galio y zinc amorfos (α-IGZO) utilizando un procesamiento compatible con óxido de silicio, lo que nos permitió crear fototransistores de puerta trasera”.

El conjunto de fototransistores de 20×20 fabricado por Yang y sus colegas puede detectar la luz y modular su respuesta en función de sus diferentes longitudes de onda.

En concreto, el conjunto muestra un comportamiento de potenciación cuando se expone a la luz azul y un comportamiento de depresión cuando se expone a la luz roja.

“A continuación, integramos los memristores Mott, construidos a partir de heteroestructuras Ta/TaOx/NbOx/W, que proporcionan varias características clave“, dijo Yang.

“Entre ellas se incluyen una región resistiva lineal, memoria volátil y capacidades de conmutación de umbral.

Estas características permiten que el sistema admita múltiples tipos de codificación (analógica y basada en picos) y simule funciones neuronales y sinápticas de manera eficaz”.

La plataforma creada por los investigadores combina la detección óptica con el procesamiento de datos y las funciones de memoria en un único sistema.

Es muy versátil y se puede utilizar para ejecutar algoritmos diseñados para abordar una variedad de tareas, que van desde tareas de reconocimiento de imágenes estáticas y basadas en eventos hasta el análisis de imágenes en color.

“Nuestro trabajo reciente ha dado lugar a varios logros notables en el campo de los sistemas de visión neuromórfica“, dijo Yang.

“Una de las innovaciones clave de este trabajo es la integración de memristores de óxido de Mott con fototransistores para crear un sistema de hardware muy versátil.

Esta integración permite que el sistema admita múltiples funciones de codificación de imágenes ópticas, incluida la codificación espaciotemporal, analógica y de picos, que antes eran difíciles de lograr en un solo dispositivo”.

Cabe destacar que el sistema creado por Yang y sus colegas es compatible con una amplia gama de arquitecturas de redes neuronales, incluidas las redes neuronales convolucionales (CNN), las redes neuronales recurrentes (RNN) y las redes neuronales de picos (SNN).

Esta notable versatilidad podría facilitar su implementación futura en entornos del mundo real.

“Un logro significativo de nuestro sistema es su capacidad para admitir algoritmos de aprendizaje automático y de inspiración biológica, cerrando la brecha entre estos dos paradigmas en la computación de visión“, dijo Yang.

“Este sistema de hardware reconfigurable simplifica el diseño de circuitos al consolidar múltiples principios de procesamiento neuronal en un solo dispositivo.

Como resultado, el sistema ofrece una complejidad de red reducida, una latencia más baja y una eficiencia energética mejorada, lo que lo hace particularmente efectivo para aplicaciones de procesamiento de imágenes en tiempo real”.

Otra ventaja de la plataforma creada por Yang y sus colegas es su confiabilidad en una amplia gama de tareas.

Esto se debe a los dispositivos de memristor Ta/TaOx/NbOx/W de baja variabilidad en los que se basa.

“En términos de implicaciones prácticas, este trabajo sienta una base crucial para construir sistemas de visión neuromórfica a gran escala, energéticamente eficientes y de baja latencia”, dijo Yang.

“Estos sistemas podrían proporcionar una plataforma poderosa para aplicaciones avanzadas de inteligencia artificial de visión, ofreciendo beneficios significativos en términos de flexibilidad, rendimiento y escalabilidad”.

Los recientes esfuerzos de este equipo de investigadores podrían allanar el camino para el desarrollo de otra plataforma de visión neuromórfica universal.

Esto podría ayudar a mejorar el rendimiento de los algoritmos de aprendizaje automático en varias tareas, al mismo tiempo que reduce su consumo de energía.

“Aunque hemos desarrollado con éxito un memristor con ricas características dinámicas y demostrado sus ventajas en la implementación de funciones y arquitecturas de hardware de visión neuromórfica, contribuyendo a avances críticos de investigación hacia una plataforma de computación de visión neuromórfica universal, todavía hay mucho trabajo por hacer“, agregó Yang.

“En el futuro, planeamos enfocarnos en lograr la integración tridimensional para mejorar la densidad del sistema y la eficiencia computacional”.

En sus próximos estudios, Yang y sus colegas también intentarán optimizar el consumo de energía de su plataforma y mejorar su sensibilidad a los cambios en la iluminación.

Esto aumentaría aún más la versatilidad del sistema, permitiéndole recopilar datos de calidad también en condiciones de luz natural y de poca iluminación.

Fuente: Nature electronics