Vea También
 |
| Una impresión artística de una red neuronal (izquierda) junto a una micrografía óptica de una red física de nanohilos. Crédito: Adrian Diaz-Alvarez/NIMS Japan |
Avalanchas y aprendizaje al borde del caos en redes neuromórficas de nanohilos
El procesamiento eficaz de la información en el cerebro se debe a la interacción entre sus elementos neurosinápticos y su compleja estructura de red. Este trabajo describe la dinámica neuromórfica de las redes de nanohilos (NWNs), un sistema único inspirado en el cerebro con uniones memristivas tipo sinapsis incrustadas dentro de una estructura de red neuronal recurrente. La simulación y el experimento aclaran cómo la conmutación memristiva colectiva da lugar a vías de transporte de largo alcance, alterando drásticamente el estado global de la red a través de una transición de fase discontinua. Las propiedades espacio-temporales de la dinámica de conmutación son consistentes con las avalanchas que muestran distribuciones de tamaño y tiempo de vida de ley de potencia, con exponentes que obedecen a la relación de ruido crepitante, satisfaciendo así los criterios de criticidad, como se observa en los cultivos neuronales corticales. Además, las NWN responden de forma adaptativa a los estímulos que varían en el tiempo, mostrando una dinámica diversa que va del orden al caos. Los estados dinámicos al borde del caos optimizan el procesamiento de la información en tareas de aprendizaje cada vez más complejas. En general, estos resultados revelan un rico repertorio de dinámicas emergentes y colectivas de tipo neuronal en las NWN, demostrando así el potencial de una ventaja neuromórfica en el procesamiento de la información.
Científicos de la Universidad de Sídney y del Instituto Nacional de Ciencia de los Materiales (NIMS) de Japón han descubierto que una red artificial de nanocables puede ajustarse para que responda de forma similar a la del cerebro cuando se le estimula eléctricamente.
El equipo internacional, dirigido por Joel Hochstetter con la profesora Zdenka Kuncic y el profesor Tomonobu Nakayama, descubrió que manteniendo la red de nanocables en un estado similar al del cerebro "al borde del caos", realizaba tareas a un nivel óptimo.
Esto, dicen, sugiere que la naturaleza subyacente de la inteligencia neuronal es física, y su descubrimiento abre una emocionante vía para el desarrollo de la inteligencia artificial.
El estudio se publicó el 29/06/2021 en Nature Communications.
"Usamos cables de 10 micrómetros de longitud y no más de 500 nanómetros de grosor dispuestos aleatoriamente en un plano bidimensional", explica el autor principal, Joel Hochstetter, candidato a doctor en el Instituto Nano de la Universidad de Sydney y en la Facultad de Física.
"Donde los cables se superponen, forman una unión electroquímica, como las sinapsis entre neuronas", dijo. "Descubrimos que las señales eléctricas introducidas en esta red encuentran automáticamente la mejor ruta para transmitir la información. Y esta arquitectura permite a la red 'recordar' caminos anteriores a través del sistema".
Al borde del caos
Mediante simulaciones, el equipo de investigación probó la red de nanohilos aleatorios para ver cómo hacerla funcionar mejor para resolver tareas sencillas.
Si la señal que estimulaba la red era demasiado baja, los caminos eran demasiado predecibles y ordenados y no producían resultados lo suficientemente complejos como para ser útiles. Si la señal eléctrica sobrepasaba la red, la salida era completamente caótica e inútil para la resolución de problemas.
La señal óptima para producir una salida útil estaba en el límite de este estado caótico.
"Algunas teorías neurocientíficas sugieren que la mente humana podría funcionar en este límite del caos, o lo que se denomina estado crítico", explica el profesor Kuncic, de la Universidad de Sydney. "Algunos neurocientíficos creen que es en este estado donde alcanzamos el máximo rendimiento cerebral".
La profesora Kuncic es la asesora de doctorado del Sr. Hochstetter y actualmente es becaria Fulbright en la Universidad de California en Los Ángeles, donde trabaja en la intersección entre la nanociencia y la inteligencia artificial.
Ella dijo: "Lo que es tan emocionante de esto "Lo emocionante de este resultado es que sugiere que este tipo de redes de nanohilos pueden ajustarse a regímenes con dinámicas colectivas diversas, similares a las del cerebro, que pueden aprovecharse para optimizar el procesamiento de la información".
Superar la dualidad informática
En la red de nanocables, las uniones entre los hilos permiten al sistema incorporar la memoria y las operaciones en un único sistema. A diferencia de los ordenadores estándar, que separan la memoria (RAM) y las operaciones (CPU).
"Estas uniones actúan como los transistores de los ordenadores, pero con la propiedad adicional de recordar que las señales han recorrido ese camino antes. Por eso se llaman "memristores"", explica Hochstetter.
Esta memoria adopta una forma física, en la que las uniones en los puntos de cruce entre nanocables actúan como interruptores, cuyo comportamiento depende de la respuesta histórica a las señales eléctricas. Cuando se aplican señales a través de estas uniones, crecen diminutos filamentos de plata que activan las uniones permitiendo el paso de la corriente.
"Esto crea una red de memoria dentro del sistema aleatorio de nanohilos", dijo.
Hochstetter y su equipo construyeron una simulación de la red física para mostrar cómo podía entrenarse para resolver tareas muy sencillas.
"Para este estudio entrenamos la red para que transformara una forma de onda sencilla en tipos de onda más complejos", explicó Hochstetter.
En la simulación ajustaron la amplitud y la frecuencia de la señal eléctrica para ver dónde se producía el mejor rendimiento.
"Descubrimos que si se empuja la señal demasiado lentamente, la red se limita a hacer lo mismo una y otra vez sin aprender ni desarrollarse. Si la empujamos con demasiada fuerza y rapidez, la red se vuelve errática e imprevisible", dijo.
Los investigadores de la Universidad de Sídney trabajan en estrecha colaboración con el Centro Internacional de Nanoarquitectónica de Materiales del NIMS (Japón) y la UCLA, donde el profesor Kuncic es becario Fulbright. Los sistemas de nanohilos se desarrollaron en el NIMS y la UCLA, y el Sr. Hochstetter elaboró el análisis en colaboración con los coautores y compañeros de doctorado Ruomin Zhu y Alon Loeffler.
Reducir el consumo de energía
El profesor Kuncic dijo que unir la memoria y las operaciones tiene enormes ventajas prácticas para el futuro desarrollo de la inteligencia artificial.
"Los algoritmos necesarios para entrenar a la red a fin de que sepa qué cruce debe recibir la "carga" o el peso de información adecuados consumen mucha energía", dijo.
"Los sistemas que estamos desarrollando eliminan la necesidad de esos algoritmos. Permitimos que la red desarrolle su propia ponderación, lo que significa que sólo tenemos que preocuparnos de la señal de entrada y la señal de salida, un marco conocido como "computación de depósito". Los pesos de la red son autoadaptativos, lo que permite liberar grandes cantidades de energía".
Esto significa que los futuros sistemas de inteligencia artificial que utilicen este tipo de redes tendrán una huella energética mucho menor.
Más Información:
Nature Communications (2021). DOI: 10.1038/s41467-021-24260-z
Journal información:
Nature Communications