Nuevo dispositivo informático similar al cerebro simula el aprendizaje humano

“Transistores sinápticos” imitan la plasticidad del cerebro procesando y almacenando datos simultáneamente.

Investigadores han desarrollado un dispositivo informático similar al cerebro que es capaz de aprender por asociación.

De manera similar a cómo el famoso fisiólogo Ivan Pavlov acondicionó a los perros para asociar una campana con la comida, los investigadores de la Universidad Northwestern y la Universidad de Hong Kong acondicionaron con éxito su circuito para asociar la luz con la presión.

La investigación fue publicada en la revista Nature Communications.

El secreto del dispositivo radica en sus novedosos “transistores sinápticos” electroquímicos orgánicos, que procesan y almacenan información al mismo tiempo como el cerebro humano.

Los investigadores demostraron que el transistor puede imitar la plasticidad a corto y largo plazo de las sinapsis en el cerebro humano, basándose en recuerdos para aprender con el tiempo.

Con su capacidad similar a la del cerebro, el nuevo transistor y circuito podrían superar las limitaciones de la informática tradicional, incluido su hardware que consume energía y su capacidad limitada para realizar múltiples tareas al mismo tiempo.

El dispositivo similar a un cerebro también tiene una mayor tolerancia a fallas, y continúa funcionando sin problemas incluso cuando algunos componentes fallan.

“Aunque la computadora moderna es sobresaliente, el cerebro humano puede superarla fácilmente en algunas tareas complejas y no estructuradas, como el reconocimiento de patrones, el control motor y la integración multisensorial“, dijo Jonathan Rivnay de Northwestern, autor principal del estudio.

“Esto se debe a la plasticidad de la sinapsis, que es el componente básico del poder computacional del cerebro.

Estas sinapsis permiten que el cerebro funcione de una manera altamente paralela, tolerante a fallas y energéticamente eficiente.

En nuestro trabajo, demostramos un transistor plástico orgánico que imita las funciones clave de una sinapsis biológica”.

Rivnay es profesor asistente de ingeniería biomédica en la Escuela de Ingeniería McCormick de Northwestern.

Codirigió el estudio con Paddy Chan, profesor asociado de ingeniería mecánica en la Universidad de Hong Kong. Xudong Ji, investigador postdoctoral del grupo de Rivnay, es el primer autor del artículo.

Los sistemas informáticos digitales convencionales tienen unidades de procesamiento y almacenamiento independientes, lo que hace que las tareas que requieren muchos datos consuman grandes cantidades de energía.

Inspirándose en el proceso combinado de computación y almacenamiento en el cerebro humano, los investigadores, en los últimos años, han buscado desarrollar computadoras que funcionen más como el cerebro humano, con conjuntos de dispositivos que funcionen como una red de neuronas.

“La forma en que funcionan nuestros sistemas informáticos actuales es que la memoria y la lógica están separadas físicamente”, dijo Ji.

“Realizas el cálculo y envías esa información a una unidad de memoria.

Luego, cada vez que desee recuperar esa información, debe recordarla.

Si podemos unir esas dos funciones separadas, podemos ahorrar espacio y ahorrar en costos de energía“.

Actualmente, la resistencia de memoria, o “memristor”, es la tecnología mejor desarrollada que puede realizar funciones combinadas de procesamiento y memoria, pero los memristores sufren de conmutación costosa de energía y menos biocompatibilidad.

Estos inconvenientes llevaron a los investigadores al transistor sináptico, especialmente al transistor sináptico electroquímico orgánico, que opera con bajos voltajes, memoria continuamente sintonizable y alta compatibilidad para aplicaciones biológicas. Aún así, existen desafíos.

“Incluso los transistores sinápticos electroquímicos orgánicos de alto rendimiento requieren que la operación de escritura se desacople de la operación de lectura”, dijo Rivnay.

“Entonces, si desea retener la memoria, debe desconectarla del proceso de escritura, lo que puede complicar aún más la integración en circuitos o sistemas“.

Para superar estos desafíos, el equipo de Northwestern y la Universidad de Hong Kong optimizó un material plástico conductor dentro del transistor electroquímico orgánico que puede atrapar iones.

En el cerebro, una sinapsis es una estructura a través de la cual una neurona puede transmitir señales a otra neurona, utilizando pequeñas moléculas llamadas neurotransmisores.

En el transistor sináptico, los iones se comportan de manera similar a los neurotransmisores, enviando señales entre terminales para formar una sinapsis artificial.

Al retener los datos almacenados de los iones atrapados, el transistor recuerda actividades anteriores, desarrollando plasticidad a largo plazo.

Los investigadores demostraron el comportamiento sináptico de su dispositivo conectando transistores sinápticos individuales en un circuito neuromórfico para simular el aprendizaje asociativo.

Integraron sensores de luz y presión en el circuito y entrenaron el circuito para asociar las dos entradas físicas no relacionadas (presión y luz) entre sí.

Quizás el ejemplo más famoso de aprendizaje asociativo es el perro de Pavlov, que naturalmente babeaba cuando encontraba comida.

Después de condicionar al perro a asociar un timbre con la comida, el perro también comenzó a babear cuando escuchaba el sonido de una campana.

Para el circuito neuromórfico, los investigadores activaron un voltaje aplicando presión con un dedo.

Para acondicionar el circuito para asociar la luz con la presión, los investigadores primero aplicaron luz pulsada de una bombilla LED y luego aplicaron presión inmediatamente.

En este escenario, la presión es la comida y la luz es la campana.

Los sensores correspondientes del dispositivo detectaron ambas entradas.

Después de un ciclo de entrenamiento, el circuito hizo una conexión inicial entre la luz y la presión.

Después de cinco ciclos de entrenamiento, el circuito asoció significativamente la luz con la presión.

La luz, por sí sola, pudo desencadenar una señal o “respuesta incondicionada“.

Debido a que el circuito sináptico está hecho de polímeros blandos, como un plástico, puede fabricarse fácilmente en láminas flexibles e integrarse fácilmente en dispositivos electrónicos blandos y portátiles, robótica inteligente y dispositivos implantables que interactúan directamente con los tejidos vivos e incluso con el cerebro.

“Si bien nuestra aplicación es una prueba de concepto, nuestro circuito propuesto puede ampliarse aún más para incluir más entradas sensoriales e integrarse con otros componentes electrónicos para permitir la computación de bajo consumo en el sitio”, dijo Rivnay.

“Debido a que es compatible con entornos biológicos, el dispositivo puede interactuar directamente con el tejido vivo, lo cual es fundamental para la bioelectrónica de próxima generación“.

Fuente: NorthWestern Now