Rompiendo barreras en IA, el postrer transistor sináptico de Northwestern anuncia una nueva era de la informática inteligente. Descubra cómo este dispositivo similar al cerebro realiza un enseñanza asociativo a temperatura bullicio, remodelando el futuro de la inteligencia de las máquinas. ¿Inteligencia humana en transistores? Los investigadores han creado un nuevo transistor sináptico capaz de razonar a un nivel superior obteniendo ideas del cerebro humano. Este dispositivo, que fue creado por investigadores de la Northwestern University, Boston College y Massachusetts Institute of Technology (MIT), analiza y retiene la información al igual que lo hace el cerebro humano. En posteriores ensayos, los investigadores revelaron que el transistor puede sufrir a parte enseñanza asociativo así como tareas básicas de enseñanza maquinal para clasificar los datos. Aunque en experimentos anteriores se han utilizado tecnologías similares para construir sistemas informáticos similares al cerebro, estos transistores no pueden funcionar fuera de las temperaturas criogénicas. El nuevo dispositivo, por el contrario, es estable a temperatura bullicio. Además funciona a altas velocidades, utiliza extremadamente poca energía y conserva los datos registrados incluso cuando se apaga la comestibles, lo que le hace adecuado para aplicaciones del mundo verdadero. Los hallazgos se publicaron hoy en la revista Nature. «El cerebro tiene una edificación fundamentalmente distinta a la de un ordenador digital», explica el coautor Mark C. Hersam. «En un ordenador digital, los datos se mueven alrededor de delante y alrededor de antes entre un procesador y la memoria, lo que consume mucha energía y crea un cuello de botella cuando se intenta realizar varias tareas al mismo tiempo.» Por otro costado, en el cerebro, la memoria y el procesamiento de la información están ubicados y totalmente integrados, dando como resultado una viejo eficiencia energética de órdenes de magnitud. De forma similar, nuestro transistor sináptico consigue la memoria simultánea y la funcionalidad de procesamiento de información para imitar más fielmente el cerebro». En la McCormick School of Engineering de Northwestern, Hersam es el profesor Walter P. Murphy de Ciencia e Ingeniería de Materiales: Encima, es el director del sección de ciencia e ingeniería de materiales, el director del Centro de Ciencia e Ingeniería de Investigación de Materiales y miembro del Instituto Internacional de Nanotecnología, Hersam colaboró ​​en el estudio yuxtapuesto con Qiong Ma del Boston College y Pablo Jarillo-Herrero del MIT Los avances recientes en inteligencia fabricado (IA) han inspirado a los investigadores a crear ordenadores que funcionen más como el cerebro humano, ya que los sistemas informáticos digitales tradicionales incluyen unidades de procesamiento y almacenamiento diferentes, las operaciones intensivas en datos utilizan una cantidad importante de energía, actualmente la resistor de memoria, a veces conocida como «memristor», es el dispositivo más renovador capaz de realizar tanto funciones de procesamiento como de memoria. Sin secuestro, los memristores siguen sufriendo cambios que consumen mucha energía. «Durante varias décadas, el molde en electrónica ha sido construir todo con transistores y utilizar la misma edificación de silicio», añade Hersam. «Se ha hecho un progreso significativo simplemente empaquetando más y más transistores en circuitos integrados. No se puede desmentir el éxito de esta táctica, pero tiene el precio de un suspensión consumo de energía, especialmente en la era contemporáneo de big data donde la informática digital está en camino de agobiar la red. Debemos repensar el hardware informático, especialmente para tareas de IA y enseñanza maquinal». Hersam y sus colegas repensaron este molde investigando los avances recientes en la física de los patrones moiré, una especie de diseño geométrico que se produce cuando dos patrones se apilan uno sobre otro. Cuando se ponen en capas materiales bidimensionales, se desarrollan nuevas características que no están presentes en una sola capa. Cuando estas capas se tuercen para ocasionar un patrón moiré, las características eléctricas pueden ajustarse a niveles inimaginables. Los investigadores crearon el nuevo gadget combinando dos tipos de materiales atómicamente delgados: grafeno bicapa y nitruro de boro hexagonal. Cuando los materiales se pusieron en capas y se retorcieron intencionadamente, crearon un patrón moiré. Los investigadores pudieron producir características eléctricas distintas en cada capa de grafeno, aunque estaban separadas sólo por dimensiones a escalera atómica haciendo rodar una capa respecto a la otra. Los investigadores utilizaron la física del moiré para conseguir un funcionamiento neuromórfico a temperatura bullicio con el adecuado libranza. «Con el libranza como nuevo parámetro de diseño, el número de permutaciones es viejo», señala Hersam. «El grafeno y el nitruro de boro hexagonal son muy similares estructuralmente, pero lo suficientemente diferentes como para obtener mercadería moiré excepcionalmente fuertes». Para poner a prueba el transistor, Hersam y sus colegas le enseñaron a distinguir patrones similares, pero no idénticos. Hersam reveló recientemente un nuevo gadget nanoelectrónico capaz de interpretar y clasificar datos de forma capaz energéticamente, pero su nuevo transistor sináptico impulsa el enseñanza maquinal y la inteligencia fabricado un paso más allá. «Si la inteligencia fabricado está destinada a imitar el pensamiento humano, una de las tareas de nivel más bajo sería clasificar los datos, que simplemente es clasificar en contenedores», añade Hersam. «Nuestro objetivo es avanzar la tecnología de IA en la dirección del pensamiento de nivel superior. Las condiciones del mundo verdadero suelen ser más complicadas de lo que pueden administrar los algoritmos actuales de IA, por lo que probamos nuestros nuevos dispositivos en condiciones más complicadas para demostrar sus avanzadas capacidades». Los investigadores mostraron primero el dispositivo con un único patrón: 000 (tres ceros seguidos). Entonces, la IA recibió instrucciones para distinguir patrones comparables, tales como 111 o 101. Si lo entrenamos para detectar 000 y luego le damos 111 y 101, sabe que 111 es más parecido a 000 que 101”, señala Hersam. “000 y 111 no son exactamente lo mismo, pero los dos son tres dígitos seguidos. Confesar que la similitud es una forma de cognición de nivel superior conocida como enseñanza asociativo». En pruebas, el nuevo transistor sináptico identificó patrones similares, demostrando su memoria asociativa. Incluso cuando los investigadores le arrojaron bolas curvas, como ahora darle patrones incompletos, todavía mostraba un enseñanza asociativo: «La IA contemporáneo puede ser claro de confundir, lo que puede causar problemas importantes en determinados contextos», añade Hersam. «Imagínense si utiliza un transporte autónomo y las condiciones meteorológicas se deterioran. Es posible que el transporte no sea capaz de interpretar los datos del sensor más complicados como podría hacerlo un conductor humano. Pero incluso cuando dimos una entrada imperfecta a nuestro transistor, todavía podría identificar la respuesta correcta». Fuente: 10.1038/s41586-023-06791-1 Crédito de imagen: iStock

Source link