Conexiones de neuronas en redes neuronales biológicas Crédito:Oficina de prensa de MIPT
Un equipo de científicos del Instituto de Física y Tecnología de Moscú (MIPT) ha creado prototipos de "sinapsis electrónicas" basados en películas ultrafinas de óxido de hafnio (HfO 2 ). Estos prototipos podrían usarse en sistemas informáticos fundamentalmente nuevos. El artículo ha sido publicado en la revista Cartas de investigación a nanoescala .
El grupo de investigadores del MIPT ha realizado HfO 2 memristores basados en sólo 40x40 nm 2 . Las nanoestructuras que construyeron exhiben propiedades similares a las sinapsis biológicas. Usando tecnología recientemente desarrollada, los memristores se integraron en matrices; en el futuro, esta tecnología puede usarse para diseñar computadoras que funcionen de manera similar a las redes neuronales biológicas.
Los memristores (resistencias con memoria) son dispositivos que pueden cambiar su estado (conductividad) en función de la carga que los atraviesa, y por lo tanto tienen un recuerdo de su "historia". En este estudio, los científicos utilizaron dispositivos basados en óxido de hafnio de película delgada, un material que ya se utiliza en la producción de procesadores modernos. Esto significa que esta nueva tecnología de laboratorio podría, si es requerido, Se puede utilizar fácilmente en procesos industriales.
"En una versión más simple, Los memristores son celdas de memoria binarias no volátiles prometedoras en las que la información se escribe al cambiar la resistencia eléctrica, de alta a baja y viceversa. Lo que estamos tratando de demostrar son funciones mucho más complejas de los memristores:que se comportan de manera similar a las sinapsis biológicas, "dijo Yury Matveyev, el autor correspondiente del artículo, e investigador senior del Laboratorio de Materiales y Dispositivos Funcionales para Nanoelectrónica del MIPT, comentando el estudio.
Sinapsis:la clave para el aprendizaje y la memoria
El tipo de señal eléctrica transmitida por las neuronas (un "pico"). Las líneas rojas son varias otras señales biológicas, la línea negra es la señal promediada. Crédito:Oficina de prensa del MIPT
Una sinapsis es un punto de conexión entre neuronas, cuya función principal es transmitir una señal (un pico, un tipo particular de señal, ver fig. 2) de una neurona a otra. Cada neurona puede tener miles de sinapsis conectadas con un gran número de otras neuronas. Esto significa que la información se puede procesar en paralelo, en lugar de secuencialmente (como en las computadoras modernas). Esta es la razón por la que las redes neuronales "vivas" son tan inmensamente efectivas tanto en términos de velocidad como de consumo de energía para resolver una gran variedad de tareas. como reconocimiento de imagen y voz.
Tiempo extraordinario, las sinapsis pueden cambiar su "peso", es decir, su capacidad para transmitir una señal. Se cree que esta propiedad es la clave para comprender las funciones de aprendizaje y memoria del cerebro.
Desde el punto de vista físico, La "memoria" sináptica y el "aprendizaje" en el cerebro se pueden interpretar de la siguiente manera:la conexión neuronal posee una cierta "conductividad, "que está determinado por el" historial "previo de señales que han pasado a través de la conexión. Si una sinapsis transmite una señal de una neurona a otra, podemos decir que tiene una alta "conductividad, "y si no es así, decimos que tiene baja "conductividad". Sin embargo, las sinapsis no funcionan simplemente en modo encendido / apagado; pueden tener cualquier "peso" intermedio (valor de conductividad intermedio). Respectivamente, si queremos simularlos usando ciertos dispositivos, estos dispositivos también deberán tener características análogas.
El memristor como análogo de la sinapsis
Como en una sinapsis biológica, el valor de la conductividad eléctrica de un memristor es el resultado de su "vida" anterior desde el momento en que se fabricó.
El cambio en la conductividad de los memristores dependiendo de la separación temporal entre los "picos" (derecho) y el cambio de potencial de las conexiones neuronales en las redes neuronales biológicas Crédito:Oficina de prensa del MIPT
Hay una serie de efectos físicos que se pueden aprovechar para diseñar memristores. En este estudio, los autores utilizaron dispositivos basados en óxido de hafnio de película ultrafina, que exhiben el efecto de una avería eléctrica suave (reversible) bajo un campo eléctrico externo aplicado. Más amenudo, estos dispositivos usan solo dos estados diferentes que codifican el cero lógico y el uno. Sin embargo, para simular sinapsis biológicas, se tuvo que utilizar un espectro continuo de conductividades en los dispositivos.
"El mecanismo físico detallado detrás de la función de los memristores en cuestión todavía se debate. Sin embargo, el modelo cualitativo es el siguiente:en la estructura metal-óxido ultrafino-metal, defectos puntuales cargados, como vacantes de átomos de oxígeno, se forman y se mueven en la capa de óxido cuando se exponen a un campo eléctrico. Son estos defectos los responsables del cambio reversible en la conductividad de la capa de óxido, "dice el coautor del artículo e investigador del Laboratorio de Materiales y Dispositivos Funcionales para Nanoelectrónica del MIPT, Sergey Zakharchenko.
Los autores utilizaron los memristores "analógicos" recientemente desarrollados para modelar varios mecanismos de aprendizaje ("plasticidad") de las sinapsis biológicas. En particular, esto involucró funciones como la potenciación a largo plazo (LTP) o la depresión a largo plazo (LTD) de una conexión entre dos neuronas. En general, se acepta que estas funciones son los mecanismos subyacentes de la memoria en el cerebro.
Los autores también lograron demostrar un mecanismo más complejo:la plasticidad dependiente del tiempo de los picos, es decir, la dependencia del valor de la conexión entre neuronas del tiempo relativo que tardan en "activarse". Anteriormente se había demostrado que este mecanismo es responsable del aprendizaje asociativo:la capacidad del cerebro para encontrar conexiones entre diferentes eventos.
Para demostrar esta función en sus dispositivos memristor, los autores utilizaron a propósito una señal eléctrica que reproducía, tan lejos como sea posible, las señales en las neuronas vivas, y obtuvieron una dependencia muy similar a las observadas en las sinapsis vivas (ver fig. 3).
Estos resultados permitieron a los autores confirmar que los elementos que habían desarrollado podrían considerarse un prototipo de la "sinapsis electrónica, "que podría utilizarse como base para la implementación de hardware de redes neuronales artificiales.
"Hemos creado una matriz de referencia de memristores a nanoescala que demuestra las propiedades de las sinapsis biológicas. Gracias a esta investigación, ahora estamos un paso más cerca de construir una red neuronal artificial. Puede que solo sea la más simple de las redes, pero, sin embargo, es un prototipo de hardware, "dijo el jefe del Laboratorio de Materiales y Dispositivos Funcionales para Nanoelectrónica del MIPT, Andrey Zenkevich.
