Crean «sinapsis electrónicas» para emular el cerebro en una nueva modalidad de computación
Un equipo de científicos del Instituto de Física y Tecnología de Moscú (MIPT) en Rusia ha creado prototipos de “sinapsis electrónicas” basadas en películas ultradelgadas de óxido de hafnio. Estos prototipos podrían ser usados en sistemas de computación fundamentalmente nuevos.
El grupo de Yury Matveyev ha fabricado memorresistores de tamaño nanométrico basados en el óxido de hafnio. Las nanoestructuras que él y sus colegas han construido exhiben propiedades similares a algunas de las que poseen las sinapsis biológicas. Usando tecnología recién desarrollada, los memorresistores fueron integrados en matrices. En el futuro, esta tecnología podría ser empleada para diseñar ordenadores que funcionen de manera similar a como lo hacen las redes neurales biológicas.
Los memorresistores (resistores con memoria) son dispositivos capaces de cambiar su estado (conductividad) dependiendo de la carga que pase a través de ellos, y por tanto tienen una memoria de su “historia”. En este estudio, los científicos usaron dispositivos basados en películas delgadas de óxido de hafnio, un material que ya se usa en la producción de procesadores modernos. Esto significa que esta nueva tecnología de laboratorio podría, si fuera necesario, pasar a las fábricas para allí ser usada fácilmente en procesos industriales.
En una versión simplificada, los memorresistores son prometedoras células de memoria binarias no volátiles, en las que la información es escrita mediante la conmutación de la resistencia eléctrica (de alta a baja, y al contrario). Lo que Matveyev y sus colegas están intentando demostrar es la capacidad de los memorresistores para ejecutar funciones mucho más complejas, equiparables a las realizadas por las sinapsis biológicas.
Una sinapsis es un punto de conexión entre neuronas y su función principal es transmitir una señal (de un tipo particular, a menudo descrita como un «pico») desde una neurona hasta otra. Cada neurona puede tener miles de sinapsis, conectadas por ejemplo con un gran número de otras neuronas. Esto significa que la información puede ser procesada en paralelo, en vez de secuencialmente (como en los ordenadores actuales). Esta es la razón por la que las redes neurales “vivas” son tan inmensamente efectivas tanto en términos de velocidad como de consumo de energía a la hora de resolver una amplia gama de tareas, como el reconocimiento de palabras habladas, la identificación de personas y objetos en imágenes, etc.
Con el paso del tiempo, las sinapsis pueden cambiar la «fuerza» con la que transmiten una señal. Esta propiedad se cree que es fundamental para las funciones de aprendizaje y memoria del cerebro.
Desde el punto de vista físico, la “memoria” y el “aprendizaje” sinápticos en el cerebro pueden ser interpretados como sigue: la conexión neuronal posee una cierta “conductividad”, que está determinada por la “historia” previa de las señales que han pasado a través de la conexión. Si una sinapsis transmite una señal de una neurona a otra, podemos decir que tiene una alta “conductividad”, y si no lo hace, decimos que tiene una baja “conductividad”. Sin embargo, las sinapsis no funcionan simplemente de una manera en la que están activas o inactivas; pueden tener una “fuerza” intermedia (un valor de conductividad intermedio). En consecuencia, si queremos simularlas usando dispositivos artificiales, estos tendrán que poseer características análogas.
Como en una sinapsis biológica, el valor de la conductividad eléctrica de un memorresistor es el resultado de su “vida” previa, desde el momento en que fue construido.
