Por primera vez, crean una red neuronal en un chip espintrónico

Investigadores de la Universidad de Tohoku (Japón) informaron del primer experimento de inteligencia artificial realizado con éxito y basado en dispositivos espintrónicos autosuficientes. La desсripción del experimento se encuentra publicada en la revista Applied Physics Express.

Los avances en el campo de la inteligencia artificial están orientados a la creación de sistemas computacionales, que puedan recibir y procesar información como lo hace una persona; por ejemplo, utilizar asociaciones en el reconocimiento de patrones. Los clásicos microcircuitos semiconductores usados para la resolución de tales problemas resultan demasiado voluminosos y gastan mucha energía en comparación con el cerebro humano.

El problema relativo al gasto de energía puede solucionarse mediante la espintrónica, electrónica que se diferencia de la tradicional en que esta utiliza y alterna, además de la corriente eléctrica habitual, la carga de su espín, dando lugar así a una nueva generación electrónica. El espín de un electrón puede presentarse en uno de los dos estados: o bien la dirección del espín coincide con la magnetización del material magnético, o bien toman diferentes direcciones, con la particularidad de que el cambio de espín, prácticamente, no necesita gastar energía, y si se cambia la dirección de este, entonces la energía cinestésica del electrón no varía y por lo tanto no se recalienta. De esta manera, la espintrónica proporciona una alta velocidad consumiendo a la vez poca energía y generando poco calor. En conjunto, ambas propiedades son ideales como base dispositiva para el futuro desarrollo de la inteligencia artificial.

Un nuevo trabajo sobre la base del dispositivo espintrónico de estado sólido realiza una de las variantes más comunes de red neuronal, la red neuronal de Hopfield. Una de sus aplicaciones consiste en la memoria automática asociativa. Esta red neuronal puede recordar valores primarios y encontrar patrones similares entre los datos de entrada distorsionados. En este modelo se muestra cómo la memoria puede ser organizada en una red de elementos que no son muy fiables. Los datos experimentales muestran que incluso cuando el número de neuronas fallidas llega al 50 por ciento, la probabilidad de respuesta correcta está cerca del 100 por ciento. El dispositivo mostrado puede "recordar" cualquier valor entre 0 y 1, en cierta medida, esto se corresponde con los principios de aprendizaje del cerebro humano basado en la conductividad de su plasticidad neuronal.

 

 

En la base del nuevo dispositivo encontramos “sinapsis” espintrónicas de doble capa (ferromagnética y antiferromagnética) que tienen diferente resistencia en función de la fuerza de la potencia transmitida por el cambio del par espín-órbita (fenómeno por el cual el espín de una partícula se ve afectado por el movimiento de la propia partícula). En un estudio anterior un equipo de investigadores demostró que la conmutación de tiempo no requiere un campo magnético externo y se determina únicamente por la estructura del material. 

El dispositivo incluye un circuito analógico basado en la tasa de treinta y seis sinapsis espintrónicas para generar impulsos eléctricos, y un módulo de software. El peso de la red neuronal del valor de resistencia se encuentra en la sinapsis. Y este, a su vez, afecta a la potencia del impulso eléctrico, que se calcula en base a la resistencia del circuito actual. El modelo de Hopfield actualiza el peso para alcanzar el equilibrio. La verificación experimental de los dispositivos mostró que el modelo de aprendizaje es muy eficaz como resultado de tal formación de una red neuronal espintrónica ya que puede identificar correctamente patrones de blanco y negro en un tamaño de 3 x 3 píxeles.

 

 

Los científicos calculan que el experimento realizado abrirá nuevos horizontes en la tecnología de la inteligencia artificial: un tamaño más compacto de los dispositivos y la posibilidad de procesamiento rápido de datos a muy bajo consumo de energía serán capaces de asegurar su uso para el reconocimiento de imágenes en dispositivos portátiles y robots. Para ello, por supuesto, es necesario desarrollar un método de escalabilidad (capacidad de un sistema de reaccionar y adaptarse sin perder calidad) de un dispositivo prototipo simple hasta la complejidad apropiada en correspondencia con la electrónica moderna.

 

Nadezhda Bessonova

Novedades

Suscríbete

Déjanos tu mail para recibir nuestro boletín de noticias

La confirmación ha sido enviada a tu correo.