Hispanopedia Wiki
Articulo de referencia

Computación neuromórfica

La computación neuromórfica es un enfoque computacional inspirado en la estructura y función del cerebro humano. [ 1 ] [ 2 ] Utiliza neuronas artificiales para realizar cálculos...

Hispanopedia WikiContenido en espanolLectura gratuita

La computación neuromórfica es un enfoque computacional inspirado en la estructura y función del cerebro humano. [ 1 ] [ 2 ] Utiliza neuronas artificiales para realizar cálculos, imitando sistemas neuronales para tareas como la percepción, el control motor y la integración multisensorial. [ 3 ] Estos sistemas, implementados en VLSI analógico, digital o de modo mixto , priorizan la robustez, la adaptabilidad y el aprendizaje al emular el procesamiento distribuido del cerebro a través de pequeños elementos computacionales. [ 4 ] Este campo interdisciplinario integra biología , física , matemáticas , ciencias de la computación e ingeniería electrónica para desarrollar sistemas que emulan la morfología y las estrategias computacionales del cerebro. [ 5 ] Los sistemas neuromórficos buscan mejorar la eficiencia energética y la potencia computacional para aplicaciones que incluyen inteligencia artificial, reconocimiento de patrones y procesamiento sensorial.

Historia

Carver Mead propuso una de las primeras aplicaciones de la ingeniería neuromórfica a finales de la década de 1980. [ 6 ] En 2006, investigadores del Instituto Tecnológico de Georgia desarrollaron una matriz neuronal programable en campo, un chip basado en silicio que modela las características de los canales iónicos neuronales. [ 7 ] En 2011, investigadores del MIT crearon un chip que imita la comunicación sináptica utilizando 400 transistores y técnicas CMOS estándar . [ 8 ] [ 9 ]

En 2012, investigadores de HP Labs informaron que los memristores de Mott exhiben un comportamiento volátil a bajas temperaturas, lo que permite la creación de neuristores que imitan el comportamiento neuronal y soportan componentes de máquinas de Turing . [ 10 ] También en 2012, investigadores de la Universidad de Purdue presentaron un diseño de chip neuromórfico que utiliza válvulas de espín lateral y memristores , conocidos por su eficiencia energética. [ 11 ]

El proyecto Blue Brain de 2013 crea modelos digitales detallados de cerebros de roedores. [ 12 ]

Neurogrid , desarrollado por Brains in Silicon en la Universidad de Stanford , utilizó 16 chips NeuroCore para emular 65.536 neuronas con alta eficiencia energética en 2014. [ 13 ] La iniciativa BRAIN de 2014 y el chip TrueNorth de IBM contribuyeron a los avances neuromórficos. [ 14 ]

El proyecto BrainScaleS de 2016, una supercomputadora neuromórfica híbrida de la Universidad de Heidelberg , funcionó 864 veces más rápido que las neuronas biológicas. [ 15 ]

En 2017, Intel presentó su chip Loihi , que utiliza una red neuronal artificial asíncrona para un aprendizaje e inferencia eficientes. [ 16 ] También en 2017, el chip de autoaprendizaje de IMEC , basado en OxRAM, demostró la composición musical aprendiendo de minuetos. [ 17 ]

En 2022, investigadores del MIT desarrollaron sinapsis artificiales utilizando protones para el aprendizaje profundo analógico. [ 18 ] En 2019, la Unión Europea financió la computación cuántica neuromórfica para explorar operaciones cuánticas utilizando sistemas neuromórficos. [ 19 ] También en 2022, investigadores del Instituto Max Planck de Investigación de Polímeros desarrollaron una neurona de impulsos artificial orgánica para la detección neuromórfica in situ y la biointerfaz. [ 20 ]

En 2024, los investigadores informaron que los sistemas químicos en soluciones líquidas pueden detectar sonido en varias longitudes de onda, lo que ofrece potencial para aplicaciones neuromórficas. [ 21 ]

Inspiración neurológica

La ingeniería neuromórfica emula la estructura y el funcionamiento del cerebro, centrándose en la naturaleza analógica de la computación biológica y el papel de las neuronas en la cognición. El cerebro procesa la información a través de neuronas mediante señales químicas, abstraídas en funciones matemáticas. Los sistemas neuromórficos distribuyen la computación entre pequeños elementos, similares a las neuronas, utilizando métodos guiados por mapas neuronales anatómicos y funcionales obtenidos mediante microscopía electrónica y estudios de conectividad neuronal. [ 22 ] [ 23 ]

Implementación

Los sistemas neuromórficos emplean hardware como memristores basados ​​en óxido, memorias espintrónicas , interruptores de umbral y transistores. [ 24 ] [ 25 ] Las implementaciones de software entrenan redes neuronales de impulsos mediante retropropagación de errores . [ 26 ] [ 27 ]

Sistemas neuromemristivos

Los sistemas neuromemristivos utilizan memristores para implementar la neuroplasticidad, centrándose en modelos abstractos de redes neuronales en lugar de la imitación biológica detallada. [ 28 ] Estos sistemas permiten aplicaciones en reconocimiento de voz , reconocimiento facial y reconocimiento de objetos , y pueden reemplazar las compuertas lógicas digitales convencionales. [ 29 ] La ecuación de Caravelli-Traversa-Di Ventra describe la evolución de la memoria memristiva, revelando fenómenos de tunelización y funciones de Lyapunov . [ 30 ]

Sensores neuromórficos

Los principios neuromórficos se extienden a sensores, como el sensor retinomórfico o la cámara de eventos , que imitan la visión humana registrando los cambios de brillo individualmente, optimizando el consumo de energía. [ 31 ]

Un ejemplo de esto aplicado a la detección de luz es el sensor retinomórfico o, cuando se emplea en una matriz, una cámara de eventos .

Consideraciones éticas

Los sistemas neuromórficos plantean las mismas cuestiones éticas que otros enfoques de la inteligencia artificial . Daniel Lim argumentó que los sistemas neuromórficos avanzados podrían conducir a la consciencia artificial, lo que generó inquietudes sobre si los derechos civiles y otros protocolos deberían extenderse a ellos. [ 32 ] Los debates legales, como en el caso Acohs Pty Ltd v. Ucorp Pty Ltd , cuestionan la propiedad de las obras producidas por sistemas neuromórficos, ya que los resultados generados por medios no humanos podrían no estar protegidos por derechos de autor. [ 33 ]

Véase también

Referencias

  1. ↑ Ham, Donhee; Park, Hongkun; Hwang, Sungwoo; Kim, Kinam (2021). "Electrónica neuromórfica basada en copiar y pegar el cerebro" . Nature Electronics . 4 (9): 635– 644. doi : 10.1038/s41928-021-00646-1 . ISSN 2520-1131 . S2CID 240580331 .  
  2. ^ van de Burgt, Yoeri; Lubberman, Ewout; Más completo, Elliot J.; Keene, Scott T.; Faria, Gregorio C.; Agarwal, Japón; Marinella, Mateo J.; Alec Talin, A.; Salleo, Alberto (abril de 2017). "Un dispositivo electroquímico orgánico no volátil como sinapsis artificial de bajo voltaje para la computación neuromórfica" . Materiales de la naturaleza . 16 (4): 414– 418. Bibcode : 2017NatMa..16..414V . doi : 10.1038/nmat4856 . hdl : 11370/c5352651-9a4a-40e2-b256-c54b844a89ea . ISSN 1476-4660 . PMID 28218920 .  
  3. ↑ Mead, Carver (1990). "Sistemas electrónicos neuromórficos" (PDF) . Actas del IEEE . 78 (10): 1629– 1636. doi : 10.1109/5.58356 . S2CID 1169506 . 
  4. ↑ Boddhu, SK; Gallagher, JC (2012). "Análisis cualitativo de descomposición funcional de controladores de vuelo neuromórficos evolucionados" . Inteligencia computacional aplicada y computación blanda . 2012 : 1–21 . doi : 10.1155/2012/705483 .
  5. ↑ Rami A. Alzahrani; Alice C. Parker (julio de 2020). Circuitos neuromórficos con modulación neuronal que mejoran el contenido informativo de la señalización neuronal . Conferencia internacional sobre sistemas neuromórficos 2020. págs. 1–8 . doi : 10.1145/3407197.3407204 . S2CID 220794387 .  
  6. ↑ Mead, Carver A.; Mahowald, MA (1 de enero de 1988). "Un modelo de silicio del procesamiento visual temprano %2888%2990024-X" . Redes neuronales . 1 (1): 91– 97. doi : 10.1016/0893-6080(88)90024-X . ISSN 0893-6080 . 
  7. ↑ Farquhar, Ethan; Hasler, Paul. (Mayo de 2006). "Un arreglo neuronal programable en campo". Simposio Internacional IEEE de Circuitos y Sistemas de 2006. págs. 4114–4117 . doi : 10.1109/ISCAS.2006.1693534 . ISBN  978-0-7803-9389-9. S2CID 206966013 . 
  8. ↑ "El MIT crea un "chip cerebral"" . 15 de noviembre de 2011 . Consultado el 4 de diciembre de 2012 .
  9. ↑ Poon, Chi-Sang; Zhou, Kuan (2011). "Neuronas de silicio neuromórficas y redes neuronales a gran escala: desafíos y oportunidades" . Frontiers in Neuroscience . 5 : 108. doi : 10.3389/fnins.2011.00108 . PMC 3181466. PMID 21991244 .  
  10. ↑ Pickett, MD; Medeiros-Ribeiro, G.; Williams, RS (2012). "Un neuristor escalable construido con memristores de Mott". Nature Materials . 12 (2): 114– 7. Bibcode : 2013NatMa..12..114P . doi : 10.1038/nmat3510 . PMID 23241533 . S2CID 16271627 .  
  11. ↑ Sharad, Mrigank; Augustine, Charles; Panagopoulos, Georgios; Roy, Kaushik (2012). "Propuesta de hardware neuromórfico mediante dispositivos de espín". arXiv : 1206.3227 [ cond-mat.dis-nn ].
  12. ↑ "Organizaciones involucradas" . Archivado del original el 2 de marzo de 2013. Consultado el 22 de febrero de 2013 .
  13. ↑ Boahen, Kwabena (24 de abril de 2014). "Neurogrid: un sistema multichip analógico-digital mixto para simulaciones neuronales a gran escala". Actas del IEEE . 102 (5): 699–716 . doi : 10.1109/JPROC.2014.2313565 . S2CID 17176371 . 
  14. ↑ Modha, Dharmendra (agosto de 2014). "Un circuito integrado de un millón de neuronas de picos con una red de comunicación e interfaz escalables". Science . 345 ( 6197): 668– 673. Bibcode : 2014Sci...345..668M . doi : 10.1126/science.1254642 . PMID 25104385. S2CID 12706847 .  
  15. ↑ "Más allá de von Neumann, la computación neuromórfica avanza a paso firme" . HPCwire . 21 de marzo de 2016. Consultado el 8 de octubre de 2021 .
  16. ↑ Davies, Mike; et al. (16 de enero de 2018). "Loihi: un procesador multinúcleo neuromórfico con aprendizaje en chip". IEEE Micro . 38 (1): 82– 99. Bibcode : 2018IMicr..38a..82D . doi : 10.1109/MM.2018.112130359 . S2CID 3608458 .  
  17. ↑ Bourzac, Katherine (23 de mayo de 2017). "Un chip neuromórfico que hace música" . IEEE Spectrum . Consultado el 1 de octubre de 2019 .
  18. ↑ Onen, Murat; Emond, Nicolas; Wang, Baoming; Zhang, Difei; Ross, Frances M.; Li, Ju; Yildiz, Bilge; del Alamo, Jesús A. (29 de julio de 2022). "Resistencias programables protónicas de nanosegundos para aprendizaje profundo analógico" ( PDF) . Science . 377 (6605): 539– 543. Bibcode : 2022Sci...377..539O . doi : 10.1126/science.abp8064 . ISSN 0036-8075 . PMID 35901152. S2CID 251159631 .   
  19. ↑ "Computación cuántica neuromórfica | Proyecto Quromorphic | Hoja informativa | H2020" . CORDIS | Comisión Europea . doi : 10.3030/828826 . Consultado el 18 de marzo de 2024 .
  20. ^ Sarkar, Tanmoy; Lieberth, Katharina; Pavlou, Aristea; Franco, Tomás; Mailaender, Volker; McCulloch, Iain; Blom, Paul WM; Torriccelli, Fabrizio; Gkoupidenis, Paschalis (7 de noviembre de 2022). "Una neurona artificial orgánica para detección neuromórfica in situ y biointerconexión" . Electrónica de la naturaleza . 5 (11): 774– 783. doi : 10.1038/s41928-022-00859-y . hdl : 10754/686016 . ISSN 2520-1131 . S2CID 253413801 .  
  21. ↑ Tomassoli, Laura; Silva-Dias, Leonardo; Dolnik, Milos; Epstein, Irving R.; Germani, Raimondo; Gentili, Pier Luigi (8 de febrero de 2024). "Ingeniería neuromórfica en Wetware: Discriminación de frecuencias acústicas a través de sus efectos en ondas químicas" . The Journal of Physical Chemistry B. 128 ( 5): 1241– 1255. doi : 10.1021/acs.jpcb.3c08429 . ISSN 1520-6106 . PMID 38285636 .  
  22. ↑ Devineni, Anita (2 de octubre de 2024). "Un mapa completo de la mosca de la fruta". Nature . 634 (8032): 35– 36. doi : 10.1038/d41586-024-03029-6 . PMID 39358530 . 
  23. ↑ Wang, Jun; Jung, Woo-Bin; Gertner, Rona; Park, Hongkun; Ham, Donhee (2025). "Mapeo de la conectividad sináptica entre miles de neuronas mediante registro intracelular paralelo con una matriz de electrodos de microagujeros" . Nature Biomedical Engineering . 9 (7): 1144– 1154. doi : 10.1038/s41551-025-01352-5 . PMID 39934437 . 
  24. ↑ Maan, AK; Jayadevi, DA; James, AP (1 de enero de 2016). "Una revisión de los circuitos lógicos de umbral memristivos". IEEE Transactions on Neural Networks and Learning Systems . PP (99): 1734–1746 . arXiv : 1604.07121 . Bibcode : 2016arXiv160407121M . doi : 10.1109/TNNLS.2016.2547842 . ISSN 2162-237X . PMID 27164608. S2CID 1798273 .   
  25. ↑ Zhou, You; Ramanathan, S. (1 de agosto de 2015). "Memoria de Mott y dispositivos neuromórficos" . Actas del IEEE . 103 (8): 1289– 1310. doi : 10.1109/JPROC.2015.2431914 . ISSN 0018-9219 . S2CID 11347598 .  
  26. ↑ Eshraghian, Jason K.; Ward, Max; Neftci, Emre; Wang, Xinxin; Lenz, Gregor; Dwivedi, Girish; Bennamoun, Mohammed; Jeong, Doo Seok; Lu, Wei D. (1 de octubre de 2021). "Entrenamiento de redes neuronales de picos utilizando lecciones del aprendizaje profundo". arXiv : 2109.12894 [ cs.NE ].
  27. ↑ "Hananel-Hazan/bindsnet: Simulación de redes neuronales de picos (SNN) usando PyTorch" . GitHub . 31 de marzo de 2020.
  28. ↑ "002.08 Taller NICE 2014: Hacia la computación inteligente con circuitos y sistemas neuromemristivos – Febrero de 2014" . digitalops.sandia.gov . Consultado el 26 de agosto de 2019 .
  29. ↑ Maan, AK; James, AP; Dimitrijev, S. (2015). "Reconocedor de patrones de memristor: reconocimiento de palabras de habla aisladas". Electronics Letters . 51 (17): 1370– 1372. Bibcode : 2015ElL....51.1370M . doi : 10.1049/el.2015.1428 . hdl : 10072/140989 . S2CID 61454815 . 
  30. ↑ Caravelli; et al. (2017). "La dinámica compleja de los circuitos memristivos: resultados analíticos y relajación lenta universal". Physical Review E . 95 (2) 022140. arXiv : 1608.08651 . Bibcode : 2017PhRvE..95b2140C . doi : 10.1103/PhysRevE.95.022140 . PMID 28297937 . S2CID 6758362 .   
  31. ↑ Skorka, Orit (1 de julio de 2011). "Hacia una cámara digital que rivalice con el ojo humano" . Journal of Electronic Imaging . 20 (3): 033009–033009–18. Bibcode : 2011JEI....20c3009S . doi : 10.1117/1.3611015 . ISSN 1017-9909 . 
  32. ↑ Lim, Daniel (1 de junio de 2014). "Simulación cerebral y personalidad: una preocupación con el Proyecto Cerebro Humano". Ética y Tecnología de la Información . 16 (2): 77– 89. doi : 10.1007/s10676-013-9330-5 . ISSN 1572-8439 . S2CID 17415814 .  
  33. ↑ Lavan. "Copyright en el código fuente y productos digitales" . Lavan . Consultado el 10 de mayo de 2019 .
  • Taller de Ingeniería Neuromórfica de Telluride
  • Taller de Ingeniería Neuromórfica Cognitiva de CapoCaccia
  • Instituto de Ingeniería Neuromórfica
  • Sitio de noticias de INE .
  • Revista Fronteras en Ingeniería Neuromórfica
  • Departamento de Computación y Sistemas Neuronales del Instituto Tecnológico de California .
  • Construyendo un cerebro de silicio: Los chips informáticos basados ​​en neuronas biológicas podrían ayudar a simular modelos cerebrales más grandes y complejos.
Obtenido de " https://en.wikipedia.org/w/index.php?title=Neuromorphic_computing&oldid=1347351463 "
Lecturas relacionadas
6 articulos
Neurona artificialEstructura de una neurona artificial Una neurona artificial es una función matemática concebida como un modelo de neuronas biológicas en una red ne...Integración a muy gran escalaIntegración a muy gran escalaLa integración a muy gran escala ( VLSI ) es el proceso de creación de un circuito integrado (CI) mediante la combinación de millones o miles de mi...BiologíaBiologíaLa biología es la ciencia de la vida. Abarca múltiples niveles, desde biomoléculas y células hasta organismos y poblaciones. La biología es el estu...FísicaFísicaLa física es la ciencia natural de la materia , que implica el estudio de la materia, sus constituyentes fundamentales , su movimiento y comportami...MatemáticasMatemáticasLas matemáticas son un campo de estudio que descubre y organiza métodos, teorías y teoremas que se desarrollan y prueban para las necesidades de la...Ciencias de la ComputaciónCiencias de la ComputaciónÁreas fundamentales de la informática La informática es el estudio de la computación , la información y la automatización . [1] [2] [3] La informát...