Investigadores imitan neuronas del cerebro utilizando material semiconductor

Los chips de computadora son uno de los aspectos más importantes de la inteligencia artificial (IA). Estas pequeñas piezas potentes son fundamentales para el reconocimiento automático de imágenes y son en parte responsables de enseñar a los robots a realizar ciertas actividades como caminar. Con el aumento del potencial de la tecnología de IA, los chips de computadora de hoy en día deben ser extremadamente potentes y económicos, pero esto es algo difícil de lograr.

Dado que la electrónica convencional solo puede optimizarse hasta cierto punto debido a las limitaciones físicas, los investigadores se han vuelto hacia el cerebro humano, como lo hacen con frecuencia, en busca de inspiración sobre cómo procesar y almacenar información de manera más eficiente.

Los científicos de la Universidad Técnica de Dresden y el Centro Helmholtz de Dresden-Rossendorf (HZDR) han logrado imitar el funcionamiento de las neuronas del cerebro mediante el uso de materiales semiconductores, por primera vez en la historia.

La investigación se publicó en la revista Nature Electronics.

El trabajo fue realizado por tres autores principales, incluyendo al físico del HZDR Larysa Baraban, y fue una colaboración internacional entre seis instituciones.

La microelectrónica actual vs la neurona artificial

La técnica más comúnmente utilizada hoy en día para mejorar el rendimiento de la microelectrónica es reducir el tamaño de los componentes. En el caso de los chips de silicio, esta reducción se produce en los transistores individuales.

Según Baraban, “Eso no puede continuar indefinidamente, necesitamos nuevos enfoques”.

Los investigadores se propusieron imitar el cerebro y crear una neurona artificial que pudiera combinar el procesamiento de datos y el almacenamiento de datos.

“Nuestro grupo tiene una amplia experiencia con sensores electrónicos biológicos y químicos”, dice Baraban. “Así que simulamos las propiedades de las neuronas utilizando los principios de los biosensores y modificamos un transistor de efecto de campo clásico para crear un transistor de neurona artificial”.

Este enfoque permite que haya almacenamiento y procesamiento de información simultáneos, todo dentro de un solo componente. En la tecnología de transistores más utilizada hoy en día, estos dos procesos están separados, lo que resulta en tiempos de procesamiento más lentos y limitaciones de rendimiento.

El cerebro humano

Los investigadores han estado trabajando en la construcción de computadoras basadas en el cerebro humano durante muchos años, pero gran parte de ello ha sido infructuosa. Algunos de los primeros intentos involucraron la conexión de células nerviosas con electrónica en placas de Petri, pero como dice Gianaurelio Cuniberti, quien es profesor de Ciencia de Materiales y Nanotecnología en la Universidad Técnica de Dresden, “una placa de computadora húmeda que debe ser alimentada constantemente no es de ninguna utilidad para nadie”.

El equipo de investigadores logró implementar el neurotransistor.

“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”, dice Cuniberti. “Los iones se mueven entre los agujeros. Son más pesados que los electrones y más lentos para regresar a su posición después de la excitación. Este retraso, llamado histéresis, es lo que causa el efecto de almacenamiento. Cuanto más se excita un transistor individual, antes se abrirá y permitirá que fluya la corriente. Esto fortalece la conexión. El sistema está aprendiendo”.

Según el equipo, el chip será menos preciso y estimará cálculos matemáticos, en comparación con calcularlos hasta el último decimal.

“Pero serán más inteligentes”, dice Cuniberti. “Por ejemplo, un robot con estos procesadores aprenderá a caminar o agarrar; poseerá un sistema óptico y aprenderá a reconocer conexiones. Y todo esto sin tener que desarrollar ningún software”.

Una de las otras grandes ventajas de este tipo de computadora es que la plasticidad le permite hacer cambios y adaptarse durante la operación. Al igual que el cerebro humano, esto significa que la computadora puede terminar encontrando y resolviendo problemas que nunca fue programada para abordar.