Actualidad informática

No hace falta ser un Watson para darse cuenta de que incluso los mejores superordenadores del mundo son asombrosamente máquinas ineficientes y de alto consumo energético.

Nuestro cerebro tiene más de 86000 millones de neuronas, conectadas por sinapsis que no sólo completan circuitos lógicos innumerables, sino que continuamente se adaptan a los estímulos, mediante el fortalecimiento de algunas conexiones al tiempo que se debilitan las demás. Lo llamamos proceso de aprendizaje, y permite el tipo de procesos computacionales rápidos y altamente eficientes que dan vergüenza a Siri y Blue gene

Los científicos de materiales en la Escuela de Ingeniería y Ciencias Aplicadas (SEAS) de Harvard han creado un nuevo tipo de transistor que imita el comportamiento de una sinapsis. El nuevo dispositivo modula simultáneamente el flujo de información en un circuito y se adapta físicamente a los cambios de señales.

La explotación de las propiedades inusuales de materiales modernos, en el transistor sináptico podría marcar el comienzo de un nuevo tipo de inteligencia artificial: no con algoritmos inteligentes sino mediante la propia arquitectura de un ordenador. Los hallazgos aparecen en la revista Nature Communications.

«Hay un interés extraordinario en la construcción de electrónica de bajo consumo en estos días», dice el investigador principal Shriram Ramanathan, profesor asociado de ciencias de los materiales en SEAS, Harvard. «Históricamente, las personas se han concentrado en la velocidad, pero con la velocidad viene la  disipación de energía. Con la electrónica cada vez más poderosa y omnipresente, podría tener un gran impacto al reducir la cantidad de energía que consumen.»

La mente humana, con toda su potencia de cálculo fenomenal, se ejecuta con aproximadamente 20 vatios de energía (menos de una bombilla del hogar), por lo que ofrece un modelo natural para los ingenieros.

«Hemos demostrado que es realmente análogo de la sinapsis en el cerebro», dice el coautor principal Jian Shi, un becario postdoctoral en SEAS. «Cada vez que una neurona inicia una acción y otra neurona reacciona, la sinapsis entre ellas aumenta la fuerza de su conexión. Y a más rapidez del pico de neuronas cada vez, más fuerte será la conexión sináptica. Esencialmente, se memoriza la acción entre las neuronas.»

En principio, un sistema de integración de millones de diminutos transistores y terminales sinápticas neuronales podría llevar la computación paralela a una nueva era de alto rendimiento ultraeficiente.

Mientras que los iones de calcio y los receptores efectuan un cambio en una sinapsis biológica, la versión artificial logra la mismo plasticidad con iones de oxígeno. Cuando se aplica un voltaje, estos iones se deslizan dentro y fuera de la red cristalina de una película muy delgada (80 nanómetros) de niquelato de samario, que actúa como el canal de sinapsis entre dos terminales de platino «dendrita» «axón» y. La concentración variable de iones en el niquelato aumenta o disminuye su conductancia – es decir, su capacidad para transportar información en una corriente eléctrica – y, al igual que en una sinapsis natural, la fuerza de la conexión depende del retardo de tiempo en el señal eléctrica.

Estructuralmente, el dispositivo consiste en el semiconductor  de niquelato intercalado entre dos electrodos de platino y adyacente a un pequeño depósito de líquido iónico. Un circuito externo multiplexor  convierte el tiempo de retardo en una magnitud de tensión que se aplica al líquido iónico, la creación de un campo eléctrico impulsa los iones ya sea hacia el niquelato o los elimina. Todo el dispositivo, sólo unos cientos de micrones de largo, está integrado en un chip de silicio.

El transistor sináptico ofrece varias ventajas inmediatas sobre los transistores de silicio tradicionales. Para empezar, no se limita al sistema binario de unos y ceros.

«Este sistema cambia su conductancia de una manera analógica, de forma continua, como la composición del material cambia,» explica Shi. «Sería bastante difícil de usar CMOS, la tecnología de circuitos tradicionales, para imitar una sinapsis, porque las sinapsis biológicas reales tienen un número prácticamente ilimitado de posibles estados, no sólo on u off.

El transistor sináptico ofrece otra ventaja: la memoria no volátil, lo que significa que incluso cuando se interrumpe la alimentación, el dispositivo recuerda su estado.

Además, el nuevo transistor es inherentemente eficiente con la energía. El niquelato pertenece a una clase inusual de materiales, llamado sistemas de electrones correlacionados, que pueden sufrir una transición aislante-metal. A una cierta temperatura – o, en este caso, cuando se expone a un campo externo – la conductancia del material cambia de repente.

«Aprovechamos la extrema sensibilidad de este material», dice Ramanathan. «Una muy pequeña excitación le permite obtener una señal grande, por lo que la energía de entrada necesaria para impulsar este cambio es potencialmente muy pequeña. Eso podría traducirse en un gran impulso a la eficiencia energética.»

El sistema niquelato también está bien posicionada para una perfecta integración en los sistemas basados ??en silicio existentes.

«En este trabajo se demuestra la operación a alta temperatura, pero la belleza de este tipo de dispositivo es que el comportamiento del» aprendizaje «es más o menos insensible a la temperatura, y eso es una gran ventaja», dijo Ramanathan.»Podemos operar en cualquier lugar entre la temperatura ambiente hasta por lo menos 160 Celsius.»

Por ahora, las limitaciones se refieren a los desafíos de la síntesis de un sistema de material relativamente inexplorada, y para el tamaño del dispositivo, lo que afecta a su velocidad. «En nuestro dispositivo de prueba de concepto, la constante de tiempo está realmente establecido por nuestra geometría experimental», dijo Ramanathan. «En otras palabras, hacer realmente un dispositivo súper rápido, lo único que tendría que hacer es limitar el líquido y colocar el electrodo de puerta más cerca de él.»

De hecho, Ramanathan y su equipo ya están planeando, con expertos de microfluidos en SEAS, para investigar las posibilidades y los límites de este «ultimate fluidic transistor.»

También cuenta con una subvención de la Academia Nacional de Ciencias para explorar la integración de transistores en los circuitos sinápticos bioinspirados, con L. Mahadevan, profesor  Lola England de Valpine de Matemática Aplicada,  de biología organicista y evolucionista y profesor de física.

«En SEAS es muy emocionante  establecer que somos capaces de colaborar fácilmente con personas de intereses muy diversos», dice Ramanathan.

Para el científico de materiales, mucha curiosidad deriva de la exploración de las capacidades de los óxidos correlacionados (como el niquelato utilizado en este estudio) a partir de las aplicaciones posibles.

«Hay que crear nuevos instrumentos para poder sintetizar estos nuevos materiales, pero una vez que eres capaz de hacer eso, de verdad tienes un sistema completamente nuevo de material cuyas propiedades son prácticamente inexploradas», dice Ramanathan. «Es muy emocionante tener esos materiales para trabajar, que se sabe muy poco sobre ellos y se tiene la oportunidad de construir conocimiento a partir de cero.»

Esta investigación fue financiada por la National Science Foundation (NSF), Army Research Office’s Multidisciplinary University Research Initiative, y la Air Force Office of Scientific Research..El equipo también se benefició de las instalaciones del Centro de Harvard para sistemas de nanoescala, miembro de la Red de Infraestructura Nacional de Nanotecnología apoyado por la NSF. Sieu D. Ha, un becario postdoctoral en SEAS, fue el coautor principal, coautores adicionales incluyen estudiante graduado Usted Zhou y Frank Schoofs, un exestudiante postdoctoral.

Fuente: Jian Shi, Sieu D. Ha, You Zhou, Frank Schoofs, Shriram Ramanathan. A correlated nickelate synaptic transistor.Nature Communications, 2013; 4 DOI: 10.1038/ncomms3676