Durante la década de 1990, Carver Mead y sus colegas combinaron la investigación básica en neurociencia con un elegante diseño de circuitos analógicos en ingeniería electrónica. Este trabajo pionero sobre circuitos electrónicos neuromórficos inspiró a investigadores de Alemania y Suiza a explorar la posibilidad de reproducir la física de circuitos neuronales reales utilizando la física del silicio.

El campo de la electrónica neuromórfica que "imita el cerebro" muestra un gran potencial no solo para la investigación básica sino también para la explotación comercial de aplicaciones de computación siempre en el borde y de "Internet de las cosas".

En Letras de física aplicada Elisabetta Chicca, de la Universidad de Bielefeld, y Giacomo Indiveri, de la Universidad de Zurich y ETH Zurich, presentar su trabajo para comprender cómo los sistemas de procesamiento neuronal en biología llevan a cabo la computación, así como una receta para reproducir estos principios informáticos en electrónica analógica / digital de señal mixta y materiales novedosos.

Una de las características computacionales más distintivas de las redes neuronales es el aprendizaje, por lo que Chicca e Indiveri están particularmente interesados ​​en reproducir las propiedades plásticas y adaptativas de las sinapsis reales. Utilizaron tanto circuitos electrónicos de semiconductores de óxido metálico complementarios (CMOS) como tecnologías avanzadas de memoria a nanoescala. como dispositivos memristivos¬, para construir sistemas inteligentes que puedan aprender.

Este trabajo es significativo, porque puede conducir a una mejor comprensión de cómo implementar un procesamiento de señal sofisticado utilizando dispositivos compactos y de muy baja potencia.

Sus hallazgos clave son que las aparentes desventajas de estas tecnologías informáticas de bajo consumo, principalmente relacionado con baja precisión, alta sensibilidad al ruido y alta variabilidad, realmente se puede explotar para realizar cálculos robustos y eficientes, Al igual que el cerebro puede utilizar neuronas muy variables y ruidosas para implementar un comportamiento robusto.

Los investigadores dijeron que es sorprendente ver el campo de las tecnologías de la memoria, típicamente relacionados con tecnologías de dispositivos de alta densidad con precisión de bits, ahora mirando los cerebros de los animales como una fuente de inspiración para comprender cómo construir sistemas de procesamiento neuronal adaptables y robustos. Está muy en línea con la agenda de investigación básica que Mead y sus colegas estaban siguiendo hace más de 30 años.

"Los sistemas de procesamiento neuronal electrónico que construimos no están destinados a competir con los potentes y precisos sistemas de inteligencia artificial que se ejecutan en grandes grupos de computadoras que consumen mucha energía para el procesamiento del lenguaje natural o el reconocimiento y la clasificación de imágenes de alta resolución, "dijo Chicca.

A diferencia de, sus sistemas "ofrecen soluciones prometedoras para aquellas aplicaciones que requieren un procesamiento en tiempo real compacto y de muy baja potencia (submilivatios) con latencias cortas, "Dijo Indiveri.

Dijo que los ejemplos de tales aplicaciones caen dentro del "dominio de la 'informática de punta', que requieren una pequeña cantidad de inteligencia artificial para extraer información de señales sensoriales en vivo o de transmisión, como para el procesamiento de señales biológicas en dispositivos portátiles, interfaces cerebro-máquina y monitoreo ambiental siempre activo ".