Modelos y plataformas de IA
Componente de computadora que imita las sinapsis del cerebro humano
Añade Unite.AI a tus fuentes preferidas en Google
Un nuevo componente de computadora desarrollado por investigadores del Instituto Real de Tecnología de KTH y la Universidad de Stanford imita al cerebro humano al actuar como una célula sináptica. El nuevo componente se llama memoria de acceso aleatorio electroquímico (ECRAM).
Ascenso de los computadores neuromórficos
Los componentes de memoria ECRAM se fabricaron con carburo de titanio 2D y demostraron una impresionante capacidad para complementar la tecnología de transistores clásica. Están permitiendo la comercialización de computadoras potentes modeladas según la red neural del cerebro. Estos computadores neuromórficos tienen el potencial de ser mucho más eficientes en términos de energía que los computadores de hoy.
El ECRAM tiene una arquitectura que es dramáticamente diferente a la informática clásica y actúa como una célula sináptica en una red artificial.
Max Hamedi es profesor asociado de KTH.
“En lugar de transistores que están encendidos o apagados, y la necesidad de que la información se transporte de ida y vuelta entre el procesador y la memoria, estos nuevos computadores confían en componentes que pueden tener múltiples estados y realizar cálculos en memoria”, dice Hamedi.
El equipo de científicos de KTH y Stanford ha estado trabajando para probar materiales más eficientes para construir un ECRAM. Para que estos chips sean comercialmente viables, se necesitan materiales que puedan superar la cinética lenta de los óxidos metálicos, así como la temperatura inestable de los plásticos.
Material MXene
Los investigadores fabricaron un material conocido como MXene, que es un compuesto 2D que tiene solo unos pocos átomos de grosor y consiste en carburo de titanio. MXene combina la alta velocidad de la química orgánica y la compatibilidad de integración de los materiales inorgánicos.
Los ECRAM de MXene combinan la velocidad, el ruido de escritura, la linealidad, la energía de conmutación y las métricas de resistencia necesarias para la aceleración paralela de las redes neuronales artificiales (ANN).
El profesor Alberto Salleo de la Universidad de Stanford es coautor de la investigación.
“Las MXene son una familia de materiales emocionantes para esta aplicación particular, ya que combinan la estabilidad de temperatura necesaria para la integración con la electrónica convencional con la disponibilidad de un vasto espacio de composición para optimizar el rendimiento”, dice Salleo.
Según Hamedi, todavía hay muchas barreras que deben superarse si los consumidores van a poder comprar sus propios computadores neuromórficos. Sin embargo, los ECRAM de 2D son un importante avance en el área de los materiales neuromórficos. Podrían permitir una inteligencia artificial capaz de adaptarse a entradas confusas y matices, similar al cerebro humano. Al mismo tiempo, requeriría mucho menos consumo de energía.
