La sinapsis como modelo: la memoria de estado sólido en los circuitos neuromórficos

Científicos del Forschungszentrum Jülich publican una guía para el diseño de hardware de memristores

17.08.2022 - Alemania

Son mucho más rápidas que la memoria flash y requieren mucha menos energía: las células de memoria memristiva podrían revolucionar la eficiencia energética de los ordenadores neuromórficos. En estos ordenadores, que se basan en el funcionamiento del cerebro humano, las células de memoria funcionan como sinapsis artificiales. Numerosos grupos de todo el mundo están trabajando en el uso de los correspondientes circuitos neuromórficos, pero a menudo con una falta de comprensión de su funcionamiento y con modelos defectuosos. Los investigadores de Jülich han resumido ahora los principios físicos y los modelos en un amplio artículo de revisión publicado en la revista Advances in Physics.

Forschungszentrum Jülich

La imagen muestra esquemáticamente la conexión de dos neuronas biológicas a través de una sinapsis. En aras de la claridad, sólo se muestra una de las aproximadamente 10.000 sinapsis que tiene cada neurona. Las sinapsis biológicas van a ser emuladas por dispositivos memristivos redox-activos, tal y como se dibuja a la derecha. A través de la llamada etapa de conformación, se forma un filamento en una célula de óxido de metal de transición (zirconia en este caso) de unos pocos nanómetros de tamaño. Mediante una tensión aplicada, las vacantes de oxígeno pueden introducirse en el hueco entre la punta del filamento y el electrodo de la izquierda, y reducir la resistencia (proceso SET). Una inversión de la polaridad del voltaje invierte el proceso (proceso RESET).

Ciertas tareas -como el reconocimiento de patrones y el lenguaje- son realizadas con gran eficacia por un cerebro humano, que requiere sólo una diezmilésima parte de la energía de un ordenador convencional, llamado "von Neumann". Una de las razones radica en las diferencias estructurales: En una arquitectura von Neumann, hay una clara separación entre la memoria y el procesador, lo que requiere un movimiento constante de grandes cantidades de datos. Esto consume tiempo y energía - el llamado cuello de botella von Neumann. En el cerebro, la operación computacional tiene lugar directamente en la memoria de datos y las sinapsis biológicas realizan las tareas de memoria y procesador al mismo tiempo.

En Jülich, los científicos llevan más de 15 años trabajando en dispositivos y componentes especiales de almacenamiento de datos que pueden tener propiedades similares a las de las sinapsis del cerebro humano. Se considera que los llamados dispositivos de memoria memristiva, también conocidos como memristores, son extremadamente rápidos, ahorran energía y pueden miniaturizarse muy bien hasta el rango de los nanómetros. El funcionamiento de las células memristivas se basa en un efecto muy especial: Su resistencia eléctrica no es constante, sino que puede modificarse y restablecerse aplicando una tensión externa, teóricamente de forma continua. El cambio de resistencia está controlado por el movimiento de los iones de oxígeno. Si éstos salen de la capa de óxido metálico semiconductor, el material se vuelve más conductor y la resistencia eléctrica disminuye. Este cambio de resistencia puede utilizarse para almacenar información.

Los procesos que pueden ocurrir en las células son muy complejos y varían en función del sistema material. Por ello, tres investigadores del Instituto Peter Grünberg de Jülich -la profesora Regina Dittmann, el Dr. Stephan Menzel y el profesor Rainer Waser- han recopilado los resultados de sus investigaciones en un detallado artículo de revisión, titulado "Nanoionic memristive phenomena in metal oxides: the valence change mechanism". Explican detalladamente los diversos efectos físicos y químicos en los memristores y arrojan luz sobre la influencia de estos efectos en las propiedades de conmutación de las células memristivas y su fiabilidad.

"Si se observan las actividades de investigación actuales en el campo de los circuitos memristores neuromórficos, suelen basarse en enfoques empíricos de optimización de materiales", afirma Rainer Waser, director del Instituto Peter Grünberg. "Nuestro objetivo con nuestro artículo de revisión es dar a los investigadores algo con lo que trabajar para permitir una optimización de materiales basada en la comprensión". El equipo de autores trabajó en el artículo de aproximadamente 200 páginas durante diez años y, naturalmente, tuvo que ir incorporando los avances del conocimiento.

"El funcionamiento análogo de las células memristivas que se requiere para su uso como sinapsis artificial no es el caso normal. Normalmente, se producen saltos bruscos de resistencia, generados por la amplificación mutua del movimiento iónico y el calor Joule", explica Regina Dittmann, del Instituto Peter Grünberg. "En nuestro artículo de revisión, proporcionamos a los investigadores la comprensión necesaria de cómo cambiar la dinámica de las células para permitir un modo de funcionamiento analógico".

"Se ve una y otra vez que los grupos simulan sus circuitos de memristores con modelos que no tienen en cuenta en absoluto la alta dinámica de las células. Estos circuitos nunca funcionarán", afirma Stephan Menzel, que dirige las actividades de modelado en el Instituto Peter Grünberg y ha desarrollado potentes modelos compactos que ahora son de dominio público. "En nuestro artículo de revisión, proporcionamos los fundamentos que son extremadamente útiles para un uso correcto de nuestros modelos compactos".

Hoja de ruta de la computación neuromórfica

La "Hoja de ruta de la informática neuromórfica y la ingeniería", que se publicó en mayo de 2022, muestra cómo la informática neuromórfica puede ayudar a reducir el enorme consumo de energía de las TI a nivel mundial. En él, investigadores del Instituto Peter Grünberg (PGI-7), junto con destacados expertos en la materia, han recopilado las distintas posibilidades tecnológicas, enfoques computacionales, algoritmos de aprendizaje y campos de aplicación.

Según el estudio, las aplicaciones en el campo de la inteligencia artificial, como el reconocimiento de patrones o el reconocimiento del habla, pueden beneficiarse de manera especial del uso de hardware neuromórfico. Esto se debe a que se basan -mucho más que las operaciones clásicas de computación numérica- en el desplazamiento de grandes cantidades de datos. Las células memrosas permiten procesar estos gigantescos conjuntos de datos directamente en la memoria, sin necesidad de transportarlos de un lado a otro entre el procesador y la memoria. Esto podría reducir la eficiencia energética de las redes neuronales artificiales en órdenes de magnitud.

Las células memorísticas también pueden interconectarse para formar matrices de alta densidad que permitan a las redes neuronales aprender localmente. La llamada "edge computing" traslada así los cálculos del centro de datos a la planta de la fábrica, el vehículo o el hogar de las personas que necesitan atención. Así, la supervisión y el control de los procesos o la puesta en marcha de medidas de rescate pueden realizarse sin necesidad de enviar los datos a través de una nube. "Así se consiguen dos cosas a la vez: se ahorra energía y, al mismo tiempo, los datos personales y los relevantes para la seguridad permanecen en el lugar", afirma el profesor Dittmann, que ha desempeñado un papel clave en la creación de la hoja de ruta como editor.

Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.

Publicación original

Más noticias del departamento ciencias

Noticias más leídas

Más noticias de nuestros otros portales

Descubra los últimos avances en tecnología de pilas