Logran que un transistor actúe como una neurona y una sinapsis

Comparta este Artículo en:

Investigadores de la Universidad Nacional de Singapur (NUS) han demostrado que un transistor de silicio estándar, componente fundamental de los microchips utilizados en computadores, teléfonos inteligentes y prácticamente cualquier sistema electrónico, puede funcionar como una neurona y una sinapsis biológicas cuando se opera de forma específica y poco convencional.

Dirigido por el profesor asociado Mario Lanza, del Departamento de Ciencia e Ingeniería de Materiales de la Facultad de Diseño e Ingeniería de la NUS, el trabajo del equipo de investigación presenta una solución altamente escalable y energéticamente eficiente para redes neuronales artificiales (RNA) basadas en hardware.

Esto acerca la computación neuromórfica, donde los chips podrían procesar la información de forma más eficiente, de forma similar al cerebro humano, a la realidad.

Las computadoras más sofisticadas del mundo ya existen en nuestras cabezas.

Los estudios demuestran que el cerebro humano es, en general, más eficiente energéticamente que los procesadores electrónicos, gracias a casi 90 mil millones de neuronas que forman unos 100 billones de conexiones entre sí y a sinapsis que ajustan su fuerza con el tiempo, un proceso conocido como plasticidad sináptica, que sustenta el aprendizaje y la memoria.

Durante décadas, los científicos han buscado replicar esta eficiencia mediante redes neuronales artificiales (RNA).

Recientemente, las RNA han impulsado avances notables en inteligencia artificial (IA), inspiradas vagamente en cómo el cerebro procesa la información.

Pero, aunque toman prestada terminología biológica, las similitudes son solo superficiales: las RNA basadas en software, como las que impulsan grandes modelos lingüísticos como ChatGPT, tienen un consumo voraz de recursos computacionales y, por lo tanto, de electricidad.

Esto las hace poco prácticas para muchas aplicaciones.

La computación neuromórfica busca imitar la potencia computacional y la eficiencia energética del cerebro.

Esto requiere no solo rediseñar la arquitectura del sistema para que la memoria y la computación se realicen simultáneamente (la llamada computación en memoria o IMC), sino también desarrollar dispositivos electrónicos que exploten fenómenos físicos y electrónicos capaces de replicar con mayor fidelidad el funcionamiento de las neuronas y las sinapsis.

Sin embargo, los sistemas actuales de computación neuromórfica se ven obstaculizados por la necesidad de complejos circuitos multitransistor o materiales emergentes que aún no se han validado para la fabricación a gran escala.

«Para lograr una verdadera computación neuromórfica, donde los microchips se comporten como neuronas y sinapsis biológicas, necesitamos hardware escalable y energéticamente eficiente», afirmó el profesor Lanza.

El equipo de investigación de la NUS ha demostrado que un único transistor de silicio estándar, cuando se configura y opera de una manera específica, puede replicar tanto la activación neuronal como los cambios de peso sináptico, los mecanismos fundamentales de las neuronas y sinapsis biológicas.

Esto se logró ajustando la resistencia del terminal principal a valores específicos, lo que permite controlar dos fenómenos físicos que ocurren en el transistor: la ionización por impacto y el atrapamiento de carga.

Además, el equipo construyó una celda de dos transistores capaz de operar tanto en régimen neuronal como sináptico, a la que los investigadores denominaron “Memoria de Acceso Aleatorio Neurosináptica” o NS-RAM.

“Otros enfoques requieren matrices de transistores complejas o materiales novedosos con una viabilidad de fabricación incierta, pero nuestro método utiliza tecnología CMOS (semiconductor complementario de óxido metálico) comercial, la misma plataforma que se encuentra en los procesadores informáticos y microchips de memoria modernos”, explicó el profesor Lanza.

“Esto significa que es escalable, fiable y compatible con los procesos de fabricación de semiconductores existentes”.

Mediante experimentos, la celda NS-RAM demostró un bajo consumo de energía, mantuvo un rendimiento estable durante muchos ciclos de funcionamiento y mostró un comportamiento consistente y predecible en diferentes dispositivos; todos ellos atributos deseables para construir hardware de RNA fiable y adecuado para aplicaciones del mundo real.

El avance del equipo marca un cambio radical en el desarrollo de procesadores de IA compactos y de bajo consumo energético que podrían permitir una computación más rápida y con mayor capacidad de respuesta.

Fuente: Nature