Las computadoras y la inteligencia artificial continúan marcando el comienzo de cambios importantes en la forma en que las personas compran. Es relativamente fácil entrenar el cerebro de un robot para crear una lista de compras, pero, ¿qué hay de asegurarse de que el comprador robótico pueda distinguir fácilmente entre los miles de productos de la tienda?

Los investigadores de la Universidad de Purdue y los expertos en computación inspirada en el cerebro creen que parte de la respuesta se puede encontrar en los imanes. Los investigadores han desarrollado un proceso para usar el magnetismo con redes similares al cerebro para programar y enseñar dispositivos como robots personales, coches autónomos y drones para generalizar mejor sobre diferentes objetos.

"Nuestras redes neuronales estocásticas intentan imitar ciertas actividades del cerebro humano y computar a través de una conexión de neuronas y sinapsis, "dijo Kaushik Roy, Edward G. Tiedemann Jr. de Purdue, profesor distinguido de ingeniería eléctrica e informática. "Esto permite que el cerebro de la computadora no solo almacene información, sino que también generalice bien sobre los objetos y luego haga inferencias para desempeñarse mejor en la distinción entre objetos".

Roy presentó la tecnología durante la Conferencia Anual de Ciencias Físicas de Alemania a principios de este mes en Alemania. La obra también apareció en el Fronteras en neurociencia .

La dinámica de conmutación de un nano-imán es similar a la dinámica eléctrica de las neuronas. Los dispositivos de unión de túnel magnético muestran un comportamiento de conmutación, que es de naturaleza estocástica.

El comportamiento de cambio estocástico es representativo de un comportamiento de cambio sigmoide de una neurona. Tales uniones de túnel magnéticas también se pueden utilizar para almacenar pesos sinápticos.

El grupo de Purdue propuso un nuevo algoritmo de entrenamiento estocástico para sinapsis utilizando plasticidad dependiente del tiempo de picos (STDP), denominado estocástico-STDP, que se ha observado experimentalmente en el hipocampo de la rata. El comportamiento estocástico inherente del imán se utilizó para cambiar los estados de magnetización estocásticamente en función del algoritmo propuesto para aprender diferentes representaciones de objetos.

Los pesos sinápticos entrenados, codificado determinísticamente en el estado de magnetización de los nano-imanes, luego se utilizan durante la inferencia. Ventajosamente, El uso de imanes de barrera de alta energía (30-40KT donde K es la constante de Boltzmann y T es la temperatura de funcionamiento) no solo permite primitivas estocásticas compactas, pero también permite utilizar el mismo dispositivo como un elemento de memoria estable que cumple con el requisito de retención de datos. Sin embargo, la altura de la barrera de los nano-imanes utilizados para realizar cálculos neuronales similares a los de los sigmoides se puede reducir a 20KT para una mayor eficiencia energética.

"La gran ventaja de la tecnología de imanes que hemos desarrollado es que es muy eficiente desde el punto de vista energético, "dijo Roy, quien dirige el Centro de Purdue para la Computación Inspirada en el Cerebro que Habilita la Inteligencia Autónoma. "Hemos creado una red más simple que representa las neuronas y las sinapsis mientras comprime la cantidad de memoria y energía necesarias para realizar funciones similares a los cálculos cerebrales".

Roy dijo que las redes similares al cerebro también tienen otros usos para resolver problemas difíciles, incluidos los problemas de optimización combinatoria, como el problema del viajante y la coloración del gráfico. Los dispositivos estocásticos propuestos pueden actuar como "recocido natural", ayudando a los algoritmos a salir de las mínimas locales.