Inspirándose en la forma de funcionar del cerebro humano, un equipo de investigadores de la Universidad Northwestern, el Boston College y el Instituto Tecnológico de Massachusetts (MIT), ha desarrollado un nuevo transistor sináptico capaz de pensar en un nivel muy superior a todo lo existía hasta ahora.

El novedoso dispositivo, de hecho, procesa y almacena información simultáneamente, tal y como lo hace el cerebro humano. En sus experimentos, que se publican esta semana en ‘Nature’, los investigadores demostraron que el transistor va más allá de las simples tareas de aprendizaje automático, puede categorizar datos y es capaz de realizar aprendizaje asociativo.

Aunque trabajos anteriores ya habían seguido estrategias similares para desarrollar dispositivos informáticos capaces de imitar el funcionamiento del cerebro, tales dispositivos sólo podían funcionar a temperaturas criogénicas. El nuevo transistor, por el contrario, permanece estable incluso a temperatura ambiente. Además, funciona a velocidades rápidas, consume muy poca energía y retiene la información almacenada incluso cuando se corta la energía, lo que lo hace ideal para aplicaciones del mundo real.

«El cerebro tiene una arquitectura fundamentalmente diferente a la de una computadora digital -explica Mark C. Hersam, codirector de la investigación-. En una computadora digital, los datos van y vienen entre un microprocesador y la memoria, lo que consume mucha energía y crea un cuello de botella al intentar realizar múltiples tareas al mismo tiempo. Sin embargo, en el cerebro, la memoria y el procesamiento de la información comparten ubicación y están completamente integrados, lo que da como resultado una eficiencia energética mucho mayor. De un modo similar, nuestro transistor sináptico logra una funcionalidad de procesamiento de información y memoria concurrente e imita más fielmente el cerebro«.

Imitar al cerebro

El rápido desarrollo de la Inteligencia Artificial ha empujado a los científicos a desarrollar computadores cada vez más parecidas a nuestro cerebro. Los sistemas informáticos digitales convencionales tienen unidades de procesamiento y almacenamiento separadas, lo que hace que las tareas que requieren de un uso intensivo de datos consuman grandes cantidades de energía. Dado que los dispositivos inteligentes recopilan continuamente grandes cantidades de datos, los investigadores se esfuerzan por descubrir nuevas formas de procesarlos a un coste energético mucho menor. Actualmente, la resistencia de memoria, o «memristor», es la tecnología mejor desarrollada capaz de realizar funciones combinadas de procesamiento y memoria. Aunque los memristores todavía no son perfectos.

«Durante varias décadas -prosigue Hersam-, el paradigma en electrónica ha sido construir todo a partir de transistores y utilizar la misma arquitectura de silicio. Se han logrado avances significativos simplemente empaquetando más y más transistores en circuitos integrados. No se puede negar el éxito de esa estrategia, pero tiene el costo de un alto consumo de energía, especialmente en la era actual del big data, donde la computación digital está en camino de abrumar a la red. Tenemos que repensar el hardware informático, especialmente para las tareas de inteligencia artificial y aprendizaje automático».

Con ese objetivo en mente, Hersam y su equipo exploraron nuevos avances en la física de los llamados ‘patrones muaré’, un tipo de diseño geométrico que surge cuando dos patrones se superponen. Cuando se apilan materiales bidimensionales, surgen nuevas propiedades que no existían en una única capa. Y cuando esas capas, además, se tuercen para formar un patrón muaré, se hace posible una sintonización sin precedentes de las propiedades electrónicas.

Para el nuevo dispositivo, los investigadores combinaron dos tipos diferentes de materiales atómicamente delgados: grafeno bicapa y nitruro de boro hexagonal. Después, al apilarlos y retorcerlos intencionalmente, los materiales formaron un patrón muaré. Al rotar una capa con respecto a la otra, los investigadores pudieron lograr diferentes propiedades electrónicas en cada capa de grafeno, a pesar de que ambas sólo estaban separadas por distancias a escala atómica. Con la elección correcta del giro, los investigadores aprovecharon la física muaré para lograr una funcionalidad neuromórfica a temperatura ambiente.

«Gracias a la torsión como nuevo parámetro de diseño -dice Hersam- la cantidad de permutaciones posibles es enorme. El grafeno y el nitruro de boro hexagonal son muy similares estructuralmente, pero lo suficientemente diferentes como para obtener efectos muaré excepcionalmente fuertes».

Reconocer similitudes

Para probar el nuevo transistor, Hersam y su equipo lo entrenaron para reconocer patrones similares, pero no idénticos. A principios de este mes, Hersam ya presentó un nuevo dispositivo nano electrónico capaz de analizar y categorizar datos de manera energéticamente eficiente, pero su nuevo transistor sináptico lleva el aprendizaje automático y la inteligencia artificial un paso más allá.

«Si la IA pretende imitar la forma humana de pensar -prosigue el investigador- una de las tareas de nivel más bajo sería clasificar datos, que es simplemente ordenarlos en contenedores. Nuestro objetivo es hacer avanzar la tecnología de IA en la dirección de un pensamiento de nivel superior. Las condiciones del mundo real suelen ser más complicadas de lo que los algoritmos de IA actuales pueden manejar, por lo que probamos nuestros nuevos dispositivos en condiciones más complicadas para verificar sus capacidades avanzadas».

Así, lo primero que hicieron los investigadores fue mostrar al dispositivo un patrón: 000 (tres ceros seguidos). Luego, le pidieron a la IA que identificara patrones similares, como 111 o 101. «Si la entrenamos para detectar 000 y luego le damos 111 y 101, sabrá que 111 es más similar a 000 que a 101 -explica Hersam-. 000 y 111 no son exactamente iguales, pero ambos tienen tres dígitos seguidos. Reconocer esa similitud es una forma de cognición de nivel superior conocida como aprendizaje asociativo».

En los experimentos, el nuevo transistor sináptico reconoció con éxito patrones que no eran idénticos, sino similares, mostrando así su capacidad asociativa. Incluso cuando los investigadores trataron de engañarlo dándole patrones incompletos, el dispositivo tuvo éxito a la hora de reconocerlos.

«La IA actual puede ser fácil de confundir -concluye Hersam- lo que puede causar problemas importantes en ciertos contextos. Imagine que está utilizando un vehículo autónomo y las condiciones climáticas empeoran. Es posible que el vehículo no pueda interpretar los datos más complicados de los sensores tan bien como lo haría un conductor humano. Pero incluso cuando le dimos a nuestro transistor una entrada imperfecta, pudo identificar la respuesta correcta».

Comentarios