Un equip de científics de l'IAC3 i de la Universitat de les Illes Balears dissenya una nova família de circuits integrats capaços d'imitar el comportament i els processos d'aprenentatge del cervell humà d’una manera veloç i eficient
El camp de la intel·ligència artificial ha crescut d’una manera explosiva els darrers anys. Tant en la recerca acadèmica com en la indústria, els algorismes de xarxes neuronals i l’aprenentatge automàtic (machine learning) troben noves aplicacions, amb l’augment conseqüent de la demanda de professionals competents en la matèria. No obstant això, un dels grans obstacles que alenteixen aquestes aplicacions és l’arquitectura computacional actual, basada en el model de Von Neumann i la tecnologia de semiconductors complementaris d'òxid metàl·lic.
La intel·ligència artificial es basa en l'aprenentatge a partir de grans quantitats de dades preexistents i els computadors actuals només són capaços d'executar aquests algorismes a costa d'un temps de demora elevat i consum d'energia. Això és per moltes raons, incloent-hi el desplaçament d'informació innecessari entre unitats físicament distants en els circuits integrats i la dissipació de calor en les unions electròniques.
Es fan esforços amb la finalitat de dissenyar una nova arquitectura d'acord amb les necessitats assenyalades i generalment amb una mateixa idea central: emular la dinàmica de les neurones i cervell humans basades en la generació i propagació de polsos curts a temps continus. Aquesta manera de processar la informació permet expressar variables en una manera similar al senyal analògic, però amb l'avantatge que té menys consum energètic i més impertorbabilitat enfront del renou, com és el cas del senyal digital.
En una d'aquestes propostes treballa un grup d'investigadors de l'Institut de Computació Aplicada i Codi Comunitari (IAC3) i de la Universitat de les Illes Balears, integrat pels doctors Julien Javaloyes i Oreste Piro, professors titulars del Departament de Física de la UIB, i el doctor Ignacio Ortega, com a part del projecte ChipAI (Energy-efficient and high-bandwidth neuromorphic nanophotonic Xips for Artificial Intelligence Systems). Aquest projecte és finançat per la Unió Europea a través del programa Horizon 2020 i integra vuit centres de recerca de tot el continent, inclosa la Universitat de les Illes Balears. Aquests resultats varen ser publicats a la prestigiosa revista Physical Review Applied i varen ser seleccionats com a Editor Pick.
L'arquitectura plantejada en aquest projecte es basa en díodes ressonants d'efecte túnel o RTD: dispositius semiconductors de grandària nanoscòpica amb caràcter no òhmic, és a dir, la seva resistència depèn del voltatge aplicat i hi ha un rang de voltatge per al qual és negativa. Aquesta propietat permet que els RTD produeixin un senyal altern en resposta a un voltatge continu. Es tracta, en efecte, dels oscil·ladors més ràpids i petits que existeixen, capaços d'emetre senyals en freqüències de milers de gigahertz.
No obstant això, aquest projecte pretén dissenyar i configurar RTD capaços d'emetre un únic pols de manera arbitrària, emulant una propietat típica de les neurones coneguda com a excitabilitat; mitjançant la qual responen a un estímul extern (per exemple, un pols de voltatge o llum) únicament si aquest estímul està per sobre d'un llindar determinat. En aquesta línia, els investigadors plantegen un model teòric per descriure la dinàmica d'un *RTD amb l'objectiu de trobar les especificacions i la configuració més adequades per aconseguir la resposta excitable. Igualment, s'estima, en termes d'aquests paràmetres, el temps de durada d'aquesta resposta, conegut com a temps letàrgic, que pot arribar a ser tan curt com una fracció d'un nanosegon, la qual cosa permetria enviar polsos d'informació a freqüències de desenes o centenars de gigahertzs.
Els resultats de l'equip d'investigadors plantegen les bases per al desenvolupament d'un dispositiu nanoscòpic, neuromòrfic i optoelectrònic capaç d'emular les dinàmiques d'una neurona individual a alta velocitat. Aquests resultats ja els empren els col·laboradors del projecte a Glasgow i Lisboa per fabricar i testar els components d'aquests dispositius. Els investigadors treballen també en el modelatge de xarxes de dues o més neurones optoelectròniques, amb l'objectiu a llarg termini de dissenyar circuits que integrin milers o milions d'aquestes unitats, capaces d'executar algorismes d'aprenentatge amb un consum mínim de temps i energia.
Referència bibliogràfica
Ortega Piwonka, I., Oreste Piro, JF, Romeira, B. i Javaloyes, J. (2021). Bursting and Excitability in Neuromorphic Resonant Tunneling Diodes. Physical Review Applied 15, 034017. https://journals.aps.org/prapplied/abstract/10.1103/PhysRevApplied.15.034017
Notícies relacionades
Data de publicació: 18/03/2021