China también desarrolla procesador que imita la forma del cerebro y lo prueba en una bicicleta [VIDEO]

Módulo de computación con 25 procesadores Tianjic 
Jing Pei et al. / Nature, 2019

Científicos de China, junto con colegas de Singapur y Estados Unidos, presentaron un procesador neuromórfico híbrido y un módulo computacional basado en él. Este nuevo modelo tiene una arquitectura que está adaptada para trabajar tanto con redes neuronales artificiales clásicas como con pulsos, los cuales están más cerca de las redes neuronales biológicas.

El chip contiene más de 150 núcleos, cada uno de los cuales consiste en análogos artificiales del axón, sinapsis, dendrita y pericarion, lo que permite simular el trabajo de neuronas reales. Al mismo tiempo, los núcleos pueden cambiar entre dos modos de operación, así como convertir las señales de una red neuronal clásica con un valor específico en impulsos nerviosos binarios para una red neuronal pulsada y viceversa. El artículo fue publicado en Nature.

Tipos de redes neuronales

Por lo general, un chip para la aceleración de hardware de la computación de redes neuronales es un procesador con una arquitectura diseñada para, tanto computación paralela, como otras características que aceleran la computación.

Sin embargo, también hay chips neuromórficos, cuya arquitectura difiere de la clásica de von Neumann y es similar a la estructura de las neuronas reales. Aunque estos chips aún están en fase experimental y prácticamente no se usan en la práctica fuera de los laboratorios. Esto se debe en gran parte al hecho de que una gran diferencia en la arquitectura requiere la adaptación de algoritmos para chips neuromórficos.

Las redes neuronales artificiales clásicas consisten en capas que contienen neuronas. Durante la operación, la neurona de la capa actual recibe señales con valores de todas las neuronas anteriores.

La peculiaridad de las redes neuronales, que les permite aprender a realizar la tarea, es que cada conexión entre las neuronas de la red tiene un peso que determina esencialmente la intensidad de la señal para la neurona receptora. El peso de cada enlace puede variar durante la operación, lo que permite corregir la operación del algoritmo durante el entrenamiento.

A diferencia de tales redes neuronales, también hay redes neuronales de pulso que funcionan como las neuronas reales. Al recibir una señal de una neurona anterior, también le asignan un cierto peso.

Sin embargo, la principal diferencia es que no siempre transmiten la señal a la siguiente neurona, sino solo si la señal entrante ha excedido el valor umbral determinado por el potencial de acción. Si la señal es más baja, la neurona no "funciona"; si excede el umbral, la neurona transmite aún más la señal de la amplitud máxima posible.

Tianjic

El nuevo chip Tianjic, creado por científicos bajo el liderazgo de Luping Shi de la Universidad de Xinhua, utiliza un esquema neuromórfico con imitación de componentes neuronales. El chip consta de 156 núcleos, cada uno de los cuales contiene bloques que actúan como un axón, sinapsis, dendrita y pericarion, así como una unidad de control que es principalmente responsable de enrutar las señales entre los núcleos. Estos componentes permiten que cada núcleo simule el trabajo de 256 neuronas.

La característica principal del chip es que las señales entre las neuronas se pueden distribuir tanto en forma binaria (para trabajar con una red neuronal pulsada), como en forma de bits múltiples (para trabajar de una red neuronal artificial clásica). Para esto, los bloques tienen diferentes modos de operación que usan los componentes del núcleo de una manera diferente.

Al mismo tiempo, los núcleos funcionan de forma independiente y en un chip es posible implementar un esquema de operación híbrido en el que parte de los núcleos operan en un modo, parte en el otro y otra parte actúan como convertidores, convirtiendo pulsos binarios en números valores y viceversa.

El chip admite el modo multiprocesador, en el que las señales se distribuyen no solo dentro de un único procesador. Como ejemplo, los científicos reunieron una placa con 25 procesadores Tianjic. Luego compararon los parámetros del procesador con otros chips neuromórficos, incluidos IBM TrueNorth e Intel Loihi, que también tienen una arquitectura de red neuronal de pulso. Los datos completos sobre estos dispositivos no son públicos, pero los autores señalan que Tianjic realiza una vez y media más de miles de millones de operaciones sinápticas por segundo (GSOPS) por vatio de energía consumida que TrueNorth: 649 frente a 400.

Probado en la vida real

Como ejemplo de la aplicación, los autores equiparon una moto autónoma controlada por radio, con una computadora con nuevos procesadores. En él, lanzaron varias redes neuronales para la autogestión, el reconocimiento de comandos de voz, el seguimiento humano y la evitación de obstáculos.

Algunos de ellos se implementaron como redes neuronales convolucionales clásicas, y otros como pulsos. En la demostración, puede ver cómo la bicicleta se maneja sola, siguiendo a la persona y ejecutando sus comandos.

Además de las computadoras neuromórficas, los científicos recrean el patrón de funcionamiento de las neuronas de otros dispositivos. Por ejemplo, el año pasado, investigadores coreanos crearon un análogo artificial del nervio aferente y lo conectaron a la pata de una cucaracha. Al imitar el trabajo de los mecanorreceptores, la sinapsis y otros órganos, los científicos pudieron simular la transmisión de señales de estos nervios y pudieron poner en movimiento la pata de la cucaracha.


Victor Román
Esta noticia ha sido publicada originalmente en N+1, ciencia que suma.

Sobre N+1: Es la primera revista online de divulgación científica y tecnológica que permite la reproducción total o parcial de sus contenidos por medios de comunicación, bloggers e influencers, realizando la mención del texto y el enlace a la web: “Esta noticia ha sido publicada originalmente en la revista N+1, ciencia que sumawww.nmas1.org”. 

 

Suscríbete

Déjanos tu mail para recibir nuestro boletín de noticias

La confirmación ha sido enviada a tu correo.