{{{sourceTextContent.title}}}

Una sinapsis artificial del ultra-bajo-poder para la computación de la red neuronal

{{{sourceTextContent.subTitle}}}

Cerebro-como el dispositivo con 500 estados en vez del binario podía un día comunicar con las neuronas vivas, combinando los ordenadores con el cerebro

{{{sourceTextContent.description}}}

Los investigadores de Stanford University y de Sandia National Laboratories han desarrollado una sinapsis artificial orgánica basada en un nuevo diseño del memristor (dispositivo de memoria resistente) que imita la manera que las sinapsis en el cerebro aprenden. La nueva sinapsis artificial podría llevar a los ordenadores que mejoran para reconstruir la manera la información de procesos del cerebro humano. Podría también un interfaz del día directamente con el cerebro humano.

La nueva sinapsis artificial es un dispositivo orgánico neuromorphic electroquímico (“ENODe doblado ") — diseño iónico/electrónico que es fundamental diferente de existente y otros dispositivos de memoria resistentes propuestos, que son limitados por el ruido, requerido arriba escriba el voltaje, y otro factors* mezclado, la nota de los investigadores en el 20 de febrero en línea publicado de papel en Nature Materials.

Como una trayectoria de los nervios en un cerebro que es reforzado con el aprendizaje, la sinapsis artificial es programada descargándolo y recargando en varias ocasiones. Con este entrenamiento, los investigadores han podido predecir dentro del 1 por ciento de incierto sigue habiendo qué voltaje será requerido para conseguir la sinapsis a un estado eléctrico específico y, una vez allí, en ese estado.

“El mecanismo de trabajo de ENODes es evocador del de las sinapsis naturales, adonde los neurotransmisores difunden a través de la hendidura, induciendo la despolarización debido a la penetración del ion en la neurona postsináptica,” los investigadores explica en el papel. “En cambio, el otro interruptor de dispositivos memristive derritiendo los materiales en relativamente las temperaturas altas (PCMs) o por la formación voltaje-inducida de la avería/del filamento y la difusión del ion en las capas densas del óxido (FFMOs).”

El ENODe alcanza ahorros de la energía significativos ** de dos maneras:

A diferencia de un ordenador convencional, donde usted ahorra su trabajo al disco duro antes de que usted lo apague, la sinapsis artificial puede recordar su programación sin ningunas acciones o piezas adicionales. La computación tradicional requiere la información por separado de proceso y después almacenarla en memoria. Aquí, el proceso crea la memoria.

Cuando aprendemos, las señales eléctricas se envían entre las neuronas en nuestro cerebro. La mayoría de la energía es necesaria la primera vez que se atraviesa una sinapsis. Cada vez que luego, la conexión requiere menos energía. Éste es cómo las sinapsis facilitan eficientemente el aprender algo nuevo y el recordar de lo que hemos aprendido. La sinapsis artificial, a diferencia de la mayoría de las otras versiones cerebro-como de la computación, también satisface estas dos tareas simultáneamente, y hace tan con ahorros de la energía sustanciales.

“Cada vez más, las clases de tareas que esperamos que nuestros dispositivos computacionales hagan para requerir la computación que imita el cerebro porque usar la computación tradicional para realizar estas tareas se está convirtiendo en realmente poder hambriento,” dijo A. Alec Talin, miembro distinguido del personal técnico en Sandia National Laboratories en Livermore, California, y el autor co-mayor del papel. “Hemos demostrado un dispositivo que es ideal para correr este tipo de algoritmos y ése consume mucho menos poder.”

Un futuro cerebro-como el ordenador con 500 estados

Solamente una sinapsis artificial se ha producido hasta ahora, pero los investigadores en Sandia utilizaron 15.000 medidas para simular cómo un arsenal de ellas trabajaría en una red neuronal. Probaron la capacidad de la red simulada de reconocer la escritura de los dígitos 0 a 9. probados en tres grupos de datos, el arsenal simulado podían identificar los dígitos manuscritos con una exactitud entre el 93 a 97 por ciento.

Esta sinapsis artificial puede un día ser parte de a cerebro-como el ordenador, que podría ser especialmente útil para procesar señales visuales y auditivas, tan en interfaces voz-controlados y coches driverless, pero sin hardware consumidor de energía.

Este dispositivo está también bien adaptado para la clase de identificación y de clasificación de la señal que los ordenadores tradicionales luchan para realizarse. Considerando que los transistores digitales pueden estar en solamente dos estados, tales como 0 y 1, los investigadores programaron con éxito 500 estados en la sinapsis artificial, que es útil para el neurona-tipo modelos de cómputo. En cambiar a partir de un estado a otro que utilizaron cerca de un décimo como mucha energía como sistema de cálculo avanzado necesita mover datos desde la unidad central a la memoria.

Sin embargo, ésta sigue siendo cerca de 10.000 veces como mucha energía como el mínimo que una sinapsis biológica necesita para encender **. Los investigadores esperan lograr rendimiento energético del neurona-nivel una vez que prueban la sinapsis artificial en dispositivos más pequeños.

Lazo para vivir las neuronas orgánicas

Esta nueva sinapsis artificial puede un día ser parte de a cerebro-como el ordenador, que podría ser especialmente beneficioso para computar que los trabajos con las señales visuales y auditivas. Los ejemplos de esto se consideran en interfaces voz-controlados y coches driverless. Últimos esfuerzos en este campo han producido las redes neuronales de alto rendimiento apoyadas por algoritmos artificial inteligentes pero éstos dependen del hardware tradicional consumidor de energía.

Cada pieza del dispositivo se hace de materiales orgánicos baratos. Éstos no se encuentran en naturaleza pero se componen en gran parte del hidrógeno y del carbono y son compatibles con la química del cerebro. Las células se han crecido en estos materiales e incluso se han utilizado para hacer las bombas artificiales para los transmisores de los nervios. Los voltajes que cambian aplicados para entrenar a la sinapsis artificial (cerca de 0,5 milivoltios) son también lo mismo como los que se muevan a través de las neuronas humanas — cerca de 1.000 veces más bajo que “escribe” el voltaje para un memristor típico.

Eso significa que es posible que la sinapsis artificial podría comunicar con las neuronas vivas, llevando a los interfaces mejorados de la cerebro-máquina. La suavidad y la flexibilidad del dispositivo también se presta a ser utilizado en ambientes biológicos.

Esta investigación fue financiada por el National Science Foundation, los fondos del escolar de la facultad de Keck, el Neurofab en Stanford, Stanford Graduate Fellowship, programa controlado en laboratorio de la investigación y desarrollo de Sandia, el Ministerio de los E.E.U.U. de Energía, Holland Scholarship, la universidad de la beca para los estudiantes excelentes, Hendrik Muller National Fund, la fundación de Outeren de la Schimmel-furgoneta de Schuurman, la fundación de Renswoude (La Haya y cerámica de Delft), Marco Polo Fund, Instituto Nacional de Ciência e Tecnologia/Instituto Nacional de Eletrônica Orgânica de Groninga en el Brasil, el à Pesquisa de Fundação de Amparo hace Estado de São Paulo y el Consejo Nacional brasileño.

* “un dispositivo de memoria resistente todavía no se ha demostrado con características eléctricas adecuadas para realizar completamente los aumentos de la eficacia y del funcionamiento de una arquitectura de los nervios. Los memristors avanzados sufren de excesivo escriben ruido, escriben ausencias de linealidad, y arriba escriben voltajes y corrientes. La reducción del ruido y la baja del voltaje que cambiaba debajo de 0,3 V (~10 kT) en un dispositivo del dos-terminal sin el compromiso de la retención a largo plazo de los datos ha probado perceptiblemente difícil.” … Los dispositivos memristive orgánicos han sido propuestos recientemente, pero son limitados por “la cinética lenta de la difusión del ion a través de un polímero para conservar sus estados o en el almacenamiento de la carga en nanoparticles del metal, que intrínsecamente limita funcionamiento y estabilidad.” — Yoeri van de Burgt y otros, Nature Materials

** ENODe cambia en la baja tensión y la energía (< 10 pJ para los dispositivos de 1000 cuadrado-micrómetros), comparadas a un ∼ estimado 1-100 FJ por el acontecimiento sináptico para el cerebro humano.

Extracto de un dispositivo electroquímico orgánico permanente como sinapsis artificial de baja tensión para la computación neuromorphic

El cerebro es capaz de la tratamiento de la información masivo paralela mientras que consume solamente ~1-100 el   FJ por acontecimiento sináptico. Inspirado por la eficacia del cerebro, las arquitecturas y los memristors de los nervios Cmos-basados se están desarrollando para el reconocimiento de patrones y el aprendizaje de máquina. Sin embargo, la volatilidad, los voltajes de la complejidad del diseño y de alta fuente para las arquitecturas del Cmos, y la transferencia estocástica y energía-costosa de memristors complican la trayectoria para alcanzar la interconexión, la densidad de la información, y el rendimiento energético del cerebro usando cualquier acercamiento. Aquí describimos un dispositivo orgánico neuromorphic electroquímico (ENODe) que actúa con un mecanismo fundamental diverso desde memristors existentes. ENODe cambia en la baja tensión y la energía (<10   pJ para 103 dispositivos del   μm2), exhibe estados distintos, permanentes de >500 de la conductancia dentro ~1 de una gama del   V, y alcanza alta exactitud de la clasificación cuando está ejecutado en simulaciones de red neuronal. ENODes plástico también se fabrica en los substratos flexibles permitiendo la integración de la función neuromorphic en sistemas electrónicos estirables. La flexibilidad mecánica hace ENODes compatible con las arquitecturas tridimensionales, abriendo una trayectoria hacia la interconexión extrema comparable al cerebro humano.