Su potencia increíble nace de su capacidad para realizar muchos cálculos al mismo tiempo, mil millones de cálculos por segundo. Esta actividad paralela le permite resolver fácilmente algunos problemas que todavía se les resisten a los ordenadores convencionales, como conducir caminar, conversar, etcétera.
nY resulta aún más impresionante que es capaz de hacer todo esto a pesar de su pequeño tamaño. En comparación, los superordenadores más potentes del mundo consumen más energía que algunas ciudades importantes.
nEsta es la razón por la que los científicos informáticos quieren copiar el rendimiento computacional del cerebro humano en las redes neuronales. Pero esto es más fácil de decir que de hacer. Los chips ordinarios se pueden programar para que se comporten como redes neuronales, pero es algo computacionalmente exigente y consume energía.
nAsí que, en lugar de eso, han optado por intentar crear neuronas artificiales y conectarlas en redes similares a las del cerebro. Eso podría ser bastante más eficiente a nivel energético, pero, de momento, nadie ha ideado un diseño capaz de acercarse a la eficiencia del cerebro.
nHasta ahora. La investigadora del MIT (EE. UU.) Emily Toomey y un par de colegas han diseñado una neurona superconductora de nanohilos que, en muchos aspectos, se comporta como una neurona real. Afirman que su dispositivo coincide con la eficiencia energética de un cerebro (al menos en teoría) y representa la base de una nueva generación de redes neuronales superconductoras mucho más eficientes que la maquinaria informática convencional.
nPrimero algunos antecedentes. Las neuronas codifican la información en forma de picos eléctricos, o impulsos nerviosos, que se desplazan a lo largo de la neurona. En redes similares a las del cerebro, las neuronas están separadas entre sí por espacios llamados sinapsis. La información puede saltar a través de sinapsis e influir en otras neuronas, activándolas o impidiendo que se activen. Esto permite que las neuronas actúen como puertas lógicas, produciendo una única salida como respuesta a múltiples entradas.
nLas neuronas biológicas presentan una serie de propiedades importantes para dar lugar a este proceso. Por ejemplo, no se activan a menos que la señal de entrada exceda algún nivel de umbral, y no pueden activarse de nuevo hasta que haya transcurrido un cierto tiempo, un intervalo conocido como el período refractario. Y el tiempo necesario para que un impulso se desplace a lo largo de un axón, el cuerpo de una neurona, también es importante, ya que codifica la distancia que el impulso ha recorrido.
nUna neurona artificial debe ser capaz de reproducir el mayor número posible de estas características, lo que suele requerir unos circuitos complejos. Pero Toomey y sus colegas señalan que los nanocables superconductores tienen un peculiar rasgo no lineal que les permite actuar como neuronas. Esta característica se produce porque la superconductividad del nanocable se descompone cuando la corriente que fluye a través de él supera un cierto valor de umbral.
nCuando esto sucede, aumenta la resistencia, lo que crea un impulso de tensión. Este impulso es análogo al pico eléctrico de una neurona. Si se usa para modular otro impulso producido por un segundo nanocable superconductor, la simulación sería aún más realista.
nEsto crea un circuito superconductor simple con muchas propiedades de las neuronas biológicas. Toomey y sus compañeros han mostrado que una neurona superconductora tiene un umbral de activación, un período refractario y un tiempo de desplazamiento que puede ajustarse en función de las propiedades del circuito, entre otras.
nOtro dato importante es que esta neurona superconductora también se puede usar para desencadenar o inhibir otras neuronas. Y esta propiedad es clave para crear redes. Es algo que otros diseños de neuronas superconductoras nunca han logrado.
nY como los circuitos superconductores necesitan muy poca potencia, los cálculos de Toomey y sus colegas sugieren que este tipo de red neural superconductora podría igualar la eficiencia de las redes neuronales biológicas.
nEl factor de mérito es el número de operaciones sinápticas que la red neuronal puede realizar cada segundo con un vatio de potencia. Toomey y sus colegas afirman que su red debería ser capaz de igualar al cerebro humano a la hora de gestionar unas 1014 operaciones sinápticas por segundo y vatio. "La neurona de nanocables podría convertirse en una tecnología muy competitiva desde una perspectiva de potencia y velocidad", aseguran.
nPor supuesto, hay limitaciones. Quizás la más importante es que la neurona superconductora solo se puede conectar a unas pocas neuronas. En cambio, cada neurona en el cerebro humano se conecta a miles de sus vecinas. Y por el momento, el diseño de Toomey y sus colegas sigue siendo solo eso: un diseño.
nSin embargo, sus simulaciones son prometedoras. "El análisis realizado sugiere que la neurona de nanocables es un candidato prometedor para el avance en las redes neuronales artificiales de baja potencia", destaca el equipo.
nY las posibilidades que abre también son dignas de mención. Toomey y sus colegas aseguran que las redes neuronales superconductoras podrían convertirse en la base de un hardware informático completamente nuevo en forma de redes neuronales superconductoras. Estos chips podrían conectarse en red con una interconexión superconductora, lo que evitaría la disipación de calor.
n"El resultado sería un procesador neuromórfico a gran escala que podría ser entrenado como una red neuronal de impulsos para realizar tareas como el reconocimiento de patrones o la simulación de las dinámicas de impulsos de una red grande y biológicamente realista", concluye la investigación. Se trata de un trabajo interesante, aunque necesita una demostración de principio antes de poder empezar a subir las expectativas.
nRef: arxiv.org/abs/1907.00263 : A Power Efficient Artificial Neuron Using Superconducting Nanowires
n