Las ‘neuronas’ de silicio pueden añadir una nueva dimensión a los procesadores informáticos
Emulación informática del subconectoma de la mosca de la fruta. Crédito: laboratorio Chakrabartty
Cuando se dispara, una neurona consume significativamente más energía que una operación de computadora equivalente. Y, sin embargo, una red de neuronas acopladas puede aprender, detectar y realizar tareas complejas continuamente a niveles de energía que actualmente son inalcanzables incluso para los procesadores más modernos.
¿Qué hace una neurona para ahorrar energía que no hace una unidad de procesamiento de computadora contemporánea?
El modelado por computadora realizado por investigadores de la Universidad de Washington en la Escuela de Ingeniería McKelvey de St. Louis puede proporcionar una respuesta. Usando «neuronas» de silicio simuladas, encontraron que las restricciones de energía en un sistema, junto con la propiedad intrínseca que tienen las neuronas de moverse a la configuración de energía más baja, conduce a un protocolo de comunicación dinámico a distancia que es a la vez más robusto y más eficientes energéticamente que los procesadores de computadora tradicionales.
La investigación, del laboratorio de Shantanu Chakrabartty, profesor de Clifford W. Murphy en el Departamento de Sistemas e Ingeniería Eléctrica de Preston M. Green, se publicó el mes pasado en la revista Frontiers in Neuroscience.
Se trata de hacer más con menos.
Ahana Gangopadhyay, estudiante de doctorado en el laboratorio de Chakrabartty y autora principal del artículo, ha estado investigando modelos para estudiar las limitaciones de energía en las neuronas de silicio neuronas creadas artificialmente, conectadas por cables, que muestran la misma dinámica y comportamiento que las neuronas de nuestro cerebro.
Al igual que las neuronas biológicas, sus contrapartes de silicio también dependen de electricidad específica l condiciones para disparar, o pinchar. Estos picos son la base de la comunicación neuronal, moviéndose de un lado a otro, transportando información de neurona a neurona.
Los investigadores primero observaron las limitaciones de energía en una sola neurona. Luego un par. Luego, agregaron más. «Encontramos que hay una manera de acoplarlos donde puedes usar algunas de estas restricciones de energía, ellas mismas, para crear un canal de comunicación virtual», dijo Chakrabartty.
Un grupo de neuronas opera bajo una restricción de energía común. Entonces, cuando una sola neurona se dispara, necesariamente afecta la energía disponible no solo para las neuronas a las que está conectada directamente, sino para todas las demás que operan bajo la misma restricción de energía.
Las neuronas en picos crean perturbaciones en el sistema, permitiendo que cada neurona «sepa» qué otras están disparando, cuáles están respondiendo, y así sucesivamente. Es como si las neuronas estuvieran todas incrustadas en una lámina de goma; una sola onda, causada por un pico, los afectaría a todos. Y como todos los procesos físicos, los sistemas de neuronas de silicio tienden a auto-optimizarse a sus estados de menor energía mientras que también se ven afectados por las otras neuronas en la red.
Estas restricciones se unen para formar una especie de secundario red de comunicación, donde se puede comunicar información adicional a través de la topología dinámica pero sincronizada de picos. Es como la hoja de goma que vibra en un ritmo sincronizado en respuesta a múltiples picos.
Esta topología lleva consigo información que se comunica, no solo a las neuronas que están físicamente conectadas, sino a todas las neuronas bajo el mismo restricción de energía, incluidas las que no están conectadas físicamente.
Bajo la presión de estas restricciones, Chakrabartty dijo: «Aprenden a formar una red sobre la marcha».
Esto hace que comunicación mucho más eficiente que los procesadores de computadora tradicionales, que pierden la mayor parte de su energía en el proceso de comunicación lineal, donde la neurona A primero debe enviar una señal a través de B para comunicarse con C.
Uso de estas neuronas de silicio para los procesadores de computadora ofrece la mejor compensación entre eficiencia y velocidad de procesamiento, dijo Chakrabartty. Permitirá a los diseñadores de hardware crear sistemas para aprovechar esta red secundaria, computando no solo linealmente, sino con la capacidad de realizar computación adicional en esta red secundaria de picos.
Los siguientes pasos inmediatos, sin embargo, son crear un simulador que pueda emular miles de millones de neuronas. Luego, los investigadores comenzarán el proceso de construcción de un chip físico.
¿Qué sigue? Tal vez un cerebro de insecto virtual
Li Xiang y Zeheng Song, estudiantes universitarios en el laboratorio de Shantanu Chakrabartty, han sido capaces de importar una representación conectomea de un ensamblaje biológico real de neuronas y emular su dinámica usando su modelo y alrededor de 10 millones de neuronas de silicio.
«El cerebro de un insecto tiene alrededor de 1 millón de neuronas», dijo Chakrabartty. «Simplemente no entendemos completamente su conectividad, pero en teoría, deberíamos poder emular completamente el cerebro de un insecto».
Explore más
Piezas artificiales de cerebro usan luz para comunicarse con neuronas reales Más información: Ahana Gangopadhyay et al. Un modelo de población y neuronas en aumento basado en el sistema dinámico de transformación de crecimiento, Frontiers in Neuroscience (2020). DOI: 10.3389/fnins.2020.00425 Información de la revista: Frontiers in Neuroscience
Proporcionado por la Universidad de Washington en St. Louis Cita: Las ‘neuronas’ de silicio pueden agregar una nueva dimensión to computer processors (4 de junio de 2020) consultado el 31 de agosto de 2022 de https://medicalxpress.com/news/2020-06-silicon-neurons-dimension-processors.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.