Material cuántico para computación inspirada en el cerebro humano

Unos ingenieros han ideado un nuevo enfoque de diseño, inspirado en la estructura del cerebro humano y del de otros animales, y valiéndose de un material cuántico, para crear hardware de ordenador mejor capacitado para acomodar el crecimiento explosivo de la inteligencia artificial.

Este enfoque podría conducir al desarrollo de hardware compacto y energéticamente eficiente para sistemas de inteligencia artificial más pequeños, como los que se podrían utilizar en monitores de salud portátiles, sensores inteligentes y otros dispositivos autónomos miniaturizados.

El avance es obra de un equipo integrado, entre otros, por Duygu Kuzum y Yue Zhou, de la Universidad de California en San Diego, Estados Unidos.

El nuevo enfoque de diseño se clasifica en la tendencia conocida como computación neuromórfica, que tiene como objetivo construir máquinas que imiten cómo el cerebro procesa la información. Kuzum, Zhou y sus colegas matizan que su tecnología está inspirada en el cerebro pero sin emularlo mucho; se han limitado a tomar ideas de cómo interactúan las redes neuronales, pero no han intentado replicar el cerebro en sí mismo.

Muchas tecnologías neuromórficas existentes se centran en reproducir componentes individuales del cerebro, como neuronas o sinapsis, y conectarlos en circuitos predefinidos. Pero en el cerebro, el aprendizaje y el procesamiento de datos no surgen de neuronas individuales actuando como componentes aislados. En vez de eso, surgen de las ricas y dinámicas interacciones entre neuronas que se comunican colectivamente entre ellas dentro de grandes redes neuronales.

Con el fin de reproducir más fielmente esta conducta, el equipo diseñó una plataforma de computación donde muchos nodos están conectados físicamente a través del mismo material y pueden influirse mutuamente a través de la red.

La plataforma está construida a base de niquelato de neodimio, un tipo de material cuántico conocido por sus inusuales propiedades electrónicas.

Cuando se introducen iones de hidrógeno en el material, estos forman pequeñas nubes debajo de electrodos metálicos dispuestos en su superficie. La aplicación de pulsos de voltaje provoca el movimiento de los iones de hidrógeno dentro del material, modificando su resistencia eléctrica. Este movimiento confiere al sistema propiedades de memoria. Cada nodo puede retener brevemente información sobre señales recientes, mientras que componentes programables separados almacenan información a largo plazo.

Al mismo tiempo, todos los nodos interactúan a través del sustrato compartido que se encuentra debajo. La actividad en una ubicación influye en el comportamiento de las demás. Este sustrato compartido se asemeja al fluido iónico que rodea a las neuronas en el cerebro, donde las señales se propagan e influyen en las células cercanas. Debido a esta conexión, las señales que salen de cualquier nodo dependen de la actividad del resto de la red. Si los nodos vecinos reciben señales, la respuesta medida cambia. Esto crea un comportamiento colectivo en todo el sistema, similar a la comunicación entre regiones cerebrales.

El dispositivo procesa la información mediante una estrategia denominada computación espaciotemporal, que analiza las señales tanto a lo largo del tiempo como a través de las interacciones espaciales en la red. Las señales entrantes se convierten primero en impulsos eléctricos y se envían a la red. Los nodos que interactúan transforman estas señales en patrones internos complejos que incorporan tanto información temporal como la dinámica de la red. Una segunda capa de uniones programables lee esos patrones y realiza tareas de clasificación.

Una oblea con componentes del nuevo tipo de hardware inspirado en el cerebro. (Foto: David Baillot / UC San Diego Jacobs School of Engineering)

En las pruebas realizadas, el nuevo hardware ha mejorado notablemente, con respecto al hardware clásico, la velocidad, precisión y eficiencia energética del reconocimiento de patrones en dos tareas simuladas típicas de la inteligencia artificial: el reconocimiento de dígitos hablados y la detección temprana de convulsiones epilépticas a partir de grabaciones de ondas cerebrales.

En la prueba de detección de riesgo de ataque epiléptico, el sistema identificó señales de advertencia incluso con solo unos segundos de datos cerebrales. Debido a que la actividad en un nodo influye en otros, las señales tempranas de unos pocos canales pueden propagarse por la red y ayudar al sistema a detectar que se prepara un ataque epiléptico mucho antes de lo que sería posible captar por otros medios.

Llama la atención lo muy rápido que actúa el sistema, en la escala de cientos de nanosegundos, así como su consumo ínfimo de energía, aproximadamente 0,2 nanojulios por operación.

Kuzum, Zhou y sus colegas exponen los detalles técnicos de su nuevo hardware en la revista académica Nature Nanotechnology, bajo el título “Protonic nickelate device networks for spatiotemporal neuromorphic computing”. (Fuente: NCYT de Amazings)