Inspirado por cómo ven los mamíferos, un nuevo prototipo de circuito informático "memristor" en la Universidad de Michigan tiene el potencial de procesar datos complejos, como imágenes y órdenes de magnitud de vídeo, más rápido y con mucha menos energía que los sistemas más avanzados de la actualidad.

Un procesamiento de imágenes más rápido podría tener grandes implicaciones para los sistemas autónomos, como los automóviles autónomos, dice Wei Lu, Catedrático de Ingeniería Eléctrica e Informática de la UM. Lu es el autor principal de un artículo sobre el trabajo publicado en el número actual de Nanotecnología de la naturaleza .

Los componentes de la computadora de próxima generación de Lu utilizan el reconocimiento de patrones para acortar el proceso de uso intensivo de energía que usan los sistemas convencionales para diseccionar imágenes. En este nuevo trabajo, él y sus colegas demuestran un algoritmo que se basa en una técnica llamada "codificación dispersa" para convencer a su matriz de memristores de 32 por 32 para analizar y recrear varias fotos de manera eficiente.

Los memristores son resistencias eléctricas con memoria:dispositivos electrónicos avanzados que regulan la corriente según el historial de los voltajes que se les aplican. Pueden almacenar y procesar datos simultáneamente, lo que los hace mucho más eficientes que los sistemas tradicionales. En una computadora convencional, Las funciones de lógica y memoria están ubicadas en diferentes partes del circuito.

"Las tareas que pedimos a las computadoras de hoy se han vuelto más complejas, ", Dijo Lu." En esta era de 'macrodatos', las computadoras requieren costosas, Comunicaciones constantes y lentas entre su procesador y la memoria para recuperar grandes cantidades de datos. Esto los hace grandes caro y hambriento de energía ".

Pero como las redes neuronales en un cerebro biológico, Las redes de memristores pueden realizar muchas operaciones al mismo tiempo, sin tener que mover datos. Como resultado, podrían habilitar nuevas plataformas que procesen una gran cantidad de señales en paralelo y sean capaces de un aprendizaje automático avanzado. Los memristores son buenos candidatos para redes neuronales profundas, una rama del aprendizaje automático, que entrena a las computadoras para ejecutar procesos sin estar programadas explícitamente para hacerlo.

"Necesitamos nuestra electrónica de próxima generación para poder procesar rápidamente datos complejos en un entorno dinámico. No puede simplemente escribir un programa para hacer eso. A veces ni siquiera tiene una tarea predefinida, ", Dijo Lu." Para que nuestros sistemas sean más inteligentes, necesitamos encontrar formas para que procesen una gran cantidad de datos de manera más eficiente. Nuestro enfoque para lograrlo está inspirado en la neurociencia ".

El cerebro de un mamífero es capaz de generar barrido, impresiones de una fracción de segundo de lo que captan los ojos. Una razón es que pueden reconocer rápidamente diferentes disposiciones de formas. Los humanos hacen esto usando solo un número limitado de neuronas que se activan, Dice Lu. Tanto los neurocientíficos como los informáticos llaman al proceso "codificación escasa".

"Cuando echemos un vistazo a una silla la reconoceremos porque sus características corresponden a nuestra imagen mental almacenada de una silla, "Lu dijo." Aunque no todas las sillas son iguales y algunas pueden diferir de un prototipo mental que sirve como estándar, cada silla conserva algunas de las características clave necesarias para un fácil reconocimiento. Básicamente, el objeto se reconoce correctamente en el momento en que se clasifica correctamente, cuando se 'almacena' en la categoría apropiada en nuestras cabezas ".

Similar, El sistema electrónico de Lu está diseñado para detectar los patrones de manera muy eficiente y para utilizar la menor cantidad posible de funciones para describir la entrada original.

En nuestros cerebros diferentes neuronas reconocen diferentes patrones, Dice Lu.

"Cuando vemos una imagen, las neuronas que lo reconocen se volverán más activas, ", dijo." Las neuronas también competirán entre sí para crear de forma natural una representación eficiente. Estamos implementando este enfoque en nuestro sistema electrónico ".

Los investigadores entrenaron su sistema para aprender un "diccionario" de imágenes. Capacitado en un conjunto de patrones de imagen en escala de grises, su red de memristor pudo reconstruir imágenes de pinturas y fotografías famosas y otros patrones de prueba.

Si su sistema se puede ampliar, esperan poder procesar y analizar video en tiempo real en un sistema compacto que pueda integrarse directamente con sensores o cámaras.