Científicos han creado una sinapsis artificial, el espacio a través del cual se comunican las neuronas. Podría ayudar a las computadoras a reproducir mejor la forma en que el cerebro humano procesa la información y conducir a mejoras en las tecnologías de conexión entre el cerebro y las máquinas.
«Funciona como una sinapsis real, pero es un dispositivo electrónico orgánico que se puede diseñar», afirma Alberto Salleo, profesor asociado de ciencia e ingeniería de materiales en la Universidad de Stanford y autor principal del artículo. «Es una familia de dispositivos completamente nueva, porque esta arquitectura no se había demostrado antes. Además, en muchos indicadores clave, funciona mejor que cualquier dispositivo inorgánico desarrollado hasta ahora».
La nueva sinapsis artificial, descrita en Nature Materials, imita la forma en que las sinapsis del cerebro aprenden mediante las señales que las atraviesan. Esto supone un ahorro energético considerable frente a la computación tradicional, que procesa la información por separado y luego la almacena en la memoria. En este caso, el procesamiento crea la memoria.
Esta sinapsis podría llegar a formar parte de una computadora más parecida al cerebro, lo que sería especialmente beneficioso para la computación que trabaja con señales visuales y auditivas. Algunos ejemplos son las interfaces controladas por voz y los automóviles autónomos. Los esfuerzos anteriores en este campo han producido redes neuronales de alto rendimiento respaldadas por algoritmos de inteligencia artificial, pero siguen siendo imitaciones lejanas del cerebro que dependen de hardware informático tradicional, que consume mucha energía.
Construcción de una red neuronal
Cuando aprendemos, se envían señales eléctricas entre las neuronas del cerebro. La primera vez que una señal atraviesa una sinapsis es cuando se necesita más energía. Cada vez que vuelve a atravesarla, la conexión requiere menos energía. Así es como las sinapsis facilitan de manera eficiente tanto el aprendizaje de algo nuevo como el recuerdo de lo aprendido. A diferencia de la mayoría de las demás formas de computación inspirada en el cerebro, la sinapsis artificial también cumple estas dos tareas al mismo tiempo y lo hace con un ahorro energético considerable.
«Los algoritmos de aprendizaje profundo son muy potentes, pero dependen de procesadores que calculan y simulan los estados eléctricos y los almacenan en otro lugar, lo que resulta ineficiente en términos de energía y tiempo», afirma Yoeri van de Burgt, antiguo investigador posdoctoral en el laboratorio de Salleo y autor principal del artículo. «En vez de simular una red neuronal, nuestro trabajo busca construir una».
La sinapsis artificial se basa en un diseño de batería. Consta de dos películas delgadas y flexibles con tres terminales, conectadas mediante un electrolito de agua salada. El dispositivo funciona como un transistor: uno de los terminales controla el flujo de electricidad entre los otros dos.
Al igual que una vía neuronal del cerebro se refuerza con el aprendizaje, los investigadores programan la sinapsis artificial descargándola y recargándola repetidamente. Mediante este entrenamiento, han logrado predecir, con un margen de incertidumbre del 1 %, qué voltaje se necesita para llevar la sinapsis a un estado eléctrico específico; una vez alcanzado, permanece en ese estado. En otras palabras, a diferencia de una computadora común, en la que se guardan los archivos en el disco duro antes de apagarla, la sinapsis artificial puede recordar su programación sin acciones ni componentes adicionales.
Una tarea difícil
Solo se ha producido una sinapsis artificial, pero los investigadores de Sandia utilizaron 15.000 mediciones de experimentos con esa sinapsis para simular cómo funcionaría una matriz de ellas en una red neuronal. Evaluaron la capacidad de la red simulada para reconocer la escritura a mano de los dígitos del 0 al 9. Tras probarla con tres conjuntos de datos, la matriz simulada pudo identificar los dígitos escritos a mano con una precisión de entre el 93 % y el 97 %.
Aunque esta tarea sería relativamente sencilla para una persona, a las computadoras tradicionales les resulta difícil interpretar señales visuales y auditivas.
«Cada vez más, las tareas que esperamos que realicen nuestros dispositivos informáticos requieren una computación que imite al cerebro, porque llevarlas a cabo con computación tradicional consume muchísima energía», afirma A. Alec Talin, de los Laboratorios Nacionales Sandia en Livermore, California, y autor principal del artículo. «Hemos demostrado un dispositivo ideal para ejecutar este tipo de algoritmos y que consume mucha menos energía».
Este dispositivo es especialmente adecuado para identificar y clasificar los tipos de señales que las computadoras tradicionales tienen dificultades para procesar. Mientras que los transistores digitales solo pueden estar en dos estados, como 0 y 1, los investigadores programaron con éxito 500 estados en la sinapsis artificial, algo útil para los modelos de computación de tipo neuronal. Al cambiar de un estado a otro, utilizaron aproximadamente una décima parte de la energía que necesita un sistema informático de última generación para mover datos de la unidad de procesamiento a la memoria.
Sin embargo, esto significa que todavía utilizan unas 10.000 veces más energía que la mínima que necesita una sinapsis biológica para activarse. Los investigadores esperan alcanzar una eficiencia energética a nivel neuronal cuando prueben la sinapsis artificial en dispositivos más pequeños.
Interfaces cerebro-máquina
Todas las partes del dispositivo están hechas de materiales orgánicos económicos. Estos no se encuentran en la naturaleza, pero están compuestos en gran medida de hidrógeno y carbono y son compatibles con la química del cerebro. Se han cultivado células sobre estos materiales e incluso se han utilizado para fabricar bombas artificiales para neurotransmisores. Los voltajes aplicados para entrenar la sinapsis artificial también son los mismos que circulan por las neuronas humanas.
Todo esto significa que la sinapsis artificial podría comunicarse con neuronas vivas, lo que permitiría mejorar las interfaces cerebro-máquina. La suavidad y flexibilidad del dispositivo también lo hacen adecuado para su uso en entornos biológicos. Sin embargo, antes de explorar aplicaciones biológicas, el equipo planea construir una matriz real de sinapsis artificiales para continuar con la investigación y las pruebas.
La financiación provino de la National Science Foundation, los Keck Faculty Scholar Funds, Neurofab de Stanford, la Stanford Graduate Fellowship, el programa de investigación y desarrollo dirigido por el laboratorio de Sandia, el Departamento de Energía de Estados Unidos, la Holland Scholarship, la beca de la Universidad de Groningen para estudiantes excelentes, el Hendrik Muller National Fund, la Schuurman Schimmel-van Outeren Foundation, la Foundation of Renswoude (La Haya y Delft), el Marco Polo Fund, el Instituto Nacional de Ciência e Tecnologia/Instituto Nacional de Eletrônica Orgânica de Brasil, la Fundação de Amparo à Pesquisa do Estado de São Paulo y el Consejo Nacional de Brasil.
