Pionero en computadoras con eficiencia energética similar al cerebro

Pionero en computadoras con eficiencia energética similar al cerebro


14 de mayo de 2022

(Noticias de Nanowerk) La inteligencia artificial (IA) permite que las máquinas hagan cosas que alguna vez se pensó que eran exclusivamente humanas. Con la IA, las computadoras pueden usar la lógica para resolver problemas, tomar decisiones, aprender de la experiencia y realizar tareas similares a las de los humanos. Sin embargo, no pueden hacer esto con la misma eficacia y eficiencia energética que el cerebro humano.

La investigación llevada a cabo con el apoyo de los proyectos TOPSPIN y SpinAge, financiados con fondos europeos, ha acercado un paso más a los científicos a ese objetivo.

«Encontrar nuevas formas de realizar cálculos que se asemejen a los procesos de eficiencia energética del cerebro ha sido un importante objetivo de investigación durante décadas», señala el profesor Johan Åkerman de la Universidad Promotora TOPSIN de Gotemburgo, Suecia. «Las tareas cognitivas, como el reconocimiento de imágenes y de voz, requieren una potencia informática significativa, y las aplicaciones móviles, como teléfonos móviles, drones y satélites, en particular, requieren soluciones energéticamente eficientes», continúa el profesor Åkerman, quien también es fundador y director ejecutivo del socio del proyecto SpinAge. NanOsc, también en Suecia.

Por primera vez, el equipo de investigación logró combinar una función de memoria y una función informática en un solo componente. El rendimiento se detalla en su estudio publicado en la revista materiales naturales («Memristive Control of Mutual Spin Hall Nanooscillator Synchronization for Neuromorphic Computing»).

Las funciones de almacenamiento y cálculo se han combinado conectando redes de osciladores y memristores, las dos herramientas principales necesarias para realizar cálculos avanzados. Los osciladores se describen como circuitos resonantes que pueden realizar cálculos.

Los memristores, abreviatura de resistencias de memoria, son dispositivos electrónicos cuya resistencia puede programarse y permanecer almacenada. En otras palabras, la resistencia del memristor realiza una función de memoria, recordando qué era cuando se encendió el dispositivo.

Un gran desarrollo

El profesor Åkerman comenta sobre el descubrimiento: “Este es un avance importante porque mostramos que es posible combinar una función de almacenamiento con una función computacional en el mismo componente. Estos componentes funcionan más como las redes neuronales energéticamente eficientes del cerebro, lo que significa que pueden convertirse en bloques de construcción importantes, más computadoras similares al cerebro, en el futuro”.

El Prof. Åkerman cree que este logro conducirá al desarrollo de tecnologías más rápidas, fáciles de usar y más eficientes energéticamente. Además, el hecho de que cientos de componentes puedan caber en un área del tamaño de una sola bacteria podría tener implicaciones significativas para aplicaciones más pequeñas.

“Cálculos más eficientes energéticamente podrían dar lugar a nuevas funcionalidades en los teléfonos móviles. Un ejemplo son los asistentes digitales como Siri o Google. Hoy en día todo el procesamiento lo realizan los servidores porque los cálculos consumen demasiada energía para el pequeño tamaño de un teléfono. Si los cálculos pudieran hacerse localmente en el teléfono real, sería más rápido y más fácil hacerlo sin necesidad de conectarse a servidores”.

El Prof. Åkerman concluye: “Cuantos cálculos cognitivos más eficientes desde el punto de vista energético se puedan realizar, más aplicaciones serán posibles. Por lo tanto, nuestro estudio realmente tiene el potencial de avanzar en el campo». Los proyectos TOPSPIN (Topotronic multi-dimensional spin Hall nano-oscillator networks) y SpinAge (Weighted Spintronic-Nano-Oscillator-based Neuromorphic Computing System Assisted by Laser for Cognitive Computing) están llegando a su fin 2024



Related post

Aprendizaje eficiente de video-texto con co-tokenización iterativa

Aprendizaje eficiente de video-texto con co-tokenización iterativa

Publicado por AJ Piergiovanni y Anelia Angelova, científicos investigadores, Google Research, Brain Team Los videos son una fuente omnipresente de contenido…
Una introducción a la recuperación ante desastres con la plataforma de datos Cloudera

Una introducción a la recuperación ante desastres con la…

Publicado en Técnicamente | 09 de agosto de 2022 4 leer minuto Durante la última década, la integración de datos y…
El futuro de la arquitectura de datos es híbrido: elegir su primera estrategia de datos híbrida comienza con Cloudera Now 2022

El futuro de la arquitectura de datos es híbrido:…

Publicado en negocio | 09 de agosto de 2022 3 leer minuto Con todo el entusiasmo que rodea a la computación…

Leave a Reply

Tu dirección de correo electrónico no será publicada.