Un equipo de investigadores del Instituto Avanzado de Ciencia y Tecnología de Corea (KAIST) ha desarrollado un chip integrado basado en memristores que imita el procesamiento de información del cerebro humano.
Dirigido por los profesores Shinhyun Choi y Young-Gyu Yoon, el equipo ha creado un chip neuromórfico de nueva generación, un semiconductor ultracompacto capaz de aprender y corregir errores de forma autónoma. Este avance fue publicado en la revista Nature Electronics. El chip está listo para su uso en diversos dispositivos, como cámaras de seguridad inteligentes que detectan actividades sospechosas al instante sin depender de servidores en la nube, y dispositivos médicos que analizan datos de salud en tiempo real.
Resolviendo desafíos en dispositivos neuromórficos
Este chip destaca por su capacidad de aprender y corregir errores provocados por características no ideales, un problema común en dispositivos neuromórficos actuales. Por ejemplo, al procesar transmisiones de video, puede separar automáticamente objetos en movimiento del fondo y mejorar su rendimiento con el tiempo.
El chip de autoaprendizaje ha demostrado su eficacia al alcanzar una precisión comparable a las simulaciones ideales de computadoras en el procesamiento de imágenes en tiempo real. El logro clave del equipo radica en desarrollar un sistema confiable y práctico que va más allá de la creación de componentes aislados que imitan funciones cerebrales.
El papel del memristor en esta innovación
El núcleo de este avance es un dispositivo semiconductor de nueva generación llamado memristor. Gracias a sus propiedades de resistencia variable, imita el rol de las sinapsis en las redes neuronales, permitiendo almacenar y procesar datos de manera simultánea, similar al funcionamiento de las células cerebrales.
El memristor controla con precisión los cambios de resistencia, creando un sistema eficiente que elimina la necesidad de complejas compensaciones gracias al autoaprendizaje. Este estudio es significativo porque demuestra el potencial comercial de un sistema neuromórfico de próxima generación para el aprendizaje e inferencia en tiempo real.
Tareas de IA procesadas localmente para mayor velocidad
Las plataformas basadas en memristores podrían facilitar sistemas compactos y energéticamente eficientes de computación en el borde (edge computing) debido a su capacidad para realizar cálculos paralelos en el dominio analógico. Sin embargo, los sistemas que usan matrices de memristores enfrentan desafíos para implementar algoritmos de IA en tiempo real con aprendizaje integrado, debido a problemas de confiabilidad como bajo rendimiento, poca uniformidad y problemas de durabilidad.
Esta tecnología busca transformar la integración de la IA en dispositivos cotidianos, permitiendo que las tareas de IA se procesen localmente. Esto reduce la dependencia de servidores en la nube, haciendo los dispositivos más rápidos, seguros y eficientes en términos energéticos, según el estudio.
“Utilizamos memristores de óxido de titanio tipo interfacial con una distribución gradual de oxígeno, que ofrecen alta confiabilidad, alta linealidad, ausencia de necesidad de formación y auto-rectificación,” señalaron los científicos en su publicación, destacando que la plataforma puede ejecutar algoritmos de IA en el dominio analógico mediante auto-calibración, sin requerir compensaciones ni preentrenamiento.
Según los investigadores de KAIST Hakcheon Jeong y Seungjae Han, líderes del desarrollo de esta tecnología, el sistema funciona como un espacio de trabajo inteligente donde todo está al alcance, eliminando la necesidad de ir de un lado a otro entre escritorios y archivadores.
Como explican, este sistema refleja cómo el cerebro procesa la información: todo se maneja de manera eficiente en un solo lugar.
Vía | Nuevo chip que imita el cerebro: aprende y corrige errores solo – Tecnología con Juancho
