Investigadores imitan el cerebro humano para crear una red neuronal de bajo consumo

Las redes neuronales, o las réplicas artificiales del cerebro humano, permiten a los científicos e ingenieros llevar a cabo un análisis que tomaría las edades de los humanos. Pueden verter interminables tablas de datos y señalar discrepancias en las imágenes que podrían pasar desapercibidas para las personas.

Sin embargo, tienen un inconveniente: las mejores redes neuronales del juego utilizan una cantidad increíble de energía para hacer su trabajo.

"Hace algunos años, IBM intentó simular la actividad cerebral de un gato en una supercomputadora y terminaron consumiendo megavatios de energía", dice el investigador de la Universidad de Purdue Abhronil Sengupta. Inverso. “El cerebro humano biológico no consume nada cerca de eso. Esta no es una comparación directa de uno a uno con una red neuronal, pero debería ofrecerle una estimación de cómo son los sistemas informáticos que consumen mucha energía ”.

Sengupta y un equipo de científicos informáticos de la Universidad de Purdue y el Instituto de Ingenieros Eléctricos y Electrónicos (IEEE) idearon una forma de hacer que las redes neuronales consumieran mucha menos energía mientras seguían realizando un trabajo excelente. Un documento que publicaron en el sitio de preimpresión arXiv explica cómo se inspiraron en el cerebro humano e implementaron su idea para permitir que su red neuronal consumiera aproximadamente 11 veces menos energía que los sistemas tradicionales.

Su enfoque hace uso de redes neuronales puntiagudas, o SNN. A diferencia de sus contrapartes, estos sistemas computacionales emulan neuronas biológicas con mucha más precisión.

Las redes neuronales estándar se componen de miles de nodos utilizados para tomar decisiones y juicios sobre los datos que se les presentan. La salida de estos depende solo de lo que se está presentando actualmente, mientras que la salida de SNN también depende de estímulos previos. Los nodos en un SNN solo funcionarán cuando se alcance un cierto nivel de estímulo. Así que en lugar de constantemente pasando los datos a otros nodos, los nodos SNN solo transmiten información cuando Tiene que.

Normalmente, esto tiene un costo de energía gigante porque la mayoría de estos sistemas se realizan utilizando lo que se conoce como tecnología de semiconductores complementarios de óxido de metal, o CMOS. Esa tecnología compone todos los chips en su computadora portátil y se ha utilizado como los bloques de construcción para redes neuronales. Para su estudio, el grupo de investigadores abandonó la tecnología CMOS y construyó un SNN hecho completamente de memristores.

La abreviatura de "resistencias de memoria", la resistencia eléctrica de los memristores depende de cuánta carga eléctrica fluyó a través de ella en el pasado. Así que, a diferencia de la tecnología CMOS, es capaz de "recordar" lo que pasó antes, que es exactamente lo que deben hacer los nodos en los SNN.

Los resultados del estudio demostraron que los memristores imitan bastante bien la neurona biológica. Se comunican entre sí mediante picos o pequeñas ráfagas de energía, en oposición a un flujo constante de poder. Este memristor-SNN tuvo una ligera disminución en la precisión cuando se usó para la clasificación de imágenes en comparación con sus contrapartes de CMOS, pero tomó una fracción del poder que tendrían las redes neuronales.

Antes de este estudio, los SNN eran lo más parecido a un cerebro humano artificial que teníamos, pero la enorme cantidad de poder que tomaron para utilizarlos anularon algunos de sus beneficios. Si otros científicos son capaces de replicar estas redes neuronales que ahorran energía, podría permitirles hacer más con menos energía y acercarlas más para entender cómo replicar el cerebro biológico.