Un nuevo dispositivo informático similar al cerebro que simula el aprendizaje humano

Los investigadores han desarrollado un dispositivo informático similar al cerebro que puede aprender por asociación.

De manera similar a la forma en que el famoso físico Ivan Pavlov adaptó a los perros para conectar una campana con la comida, los investigadores de la Universidad Northwestern y la Universidad de Hong Kong han adaptado con éxito su circuito para asociar la luz con la presión.

La investigación se publicará el 30 de abril en la revista Comunicaciones de la naturaleza.

El secreto del dispositivo radica en los nuevos «transistores sinápticos» orgánicos y electroquímicos, que procesan y almacenan información simultáneamente como el cerebro humano. Los investigadores han demostrado que el transistor puede simular la plasticidad de las sinapsis tanto a corto como a largo plazo en el cerebro humano, y se basa en recuerdos para aprender a lo largo del tiempo.

Gracias a su capacidad cerebral, el transistor y el nuevo circuito pueden superar las limitaciones de la informática tradicional, incluidos los dispositivos de reducción de energía y la capacidad limitada de realizar múltiples tareas al mismo tiempo. El dispositivo similar a un cerebro también tiene una mayor tolerancia a errores y continúa funcionando sin problemas incluso cuando algunos componentes fallan.

«Aunque la computadora moderna es excelente, el cerebro humano puede superarla fácilmente en algunas tareas complejas y no estructuradas, como el reconocimiento de patrones, el control motor y la integración multisensorial», dijo Jonathan Rivnay de Northwestern, uno de los autores principales del estudio. «Esto se debe a la flexibilidad de las sinapsis, que es el componente básico del poder computacional del cerebro. Estas sinapsis permiten que el cerebro funcione de una manera muy paralela, tolerante a errores y energéticamente eficiente. En nuestro trabajo, muestran un transistor organoplástico que imita las funciones principales de una sinapsis biológica «.

Rivnay es profesor asistente de ingeniería biomédica en la Escuela de Ingeniería McCormick de la Universidad Northwestern. Codirigió el estudio con Paddy Chan, profesor asociado de ingeniería mecánica en la Universidad de Hong Kong. Xudong Ji, investigador postdoctoral del Rivnay Group, es el primer autor del artículo.

Los sistemas informáticos digitales tradicionales tienen unidades de procesamiento y almacenamiento independientes, lo que hace que las tareas que requieren muchos datos consuman grandes cantidades de energía. Inspirándose en el proceso de computación y almacenamiento incrustado en el cerebro humano, los investigadores han buscado, en los últimos años, desarrollar computadoras que funcionen como el cerebro humano, con matrices de dispositivos que actúen como una red de neuronas.

«La forma en que funcionan nuestros sistemas informáticos actuales es que la memoria y la lógica están separadas físicamente», dijo Ji. «Haces un cálculo y envías esa información a una unidad de memoria. Luego, cada vez que quieras recuperar esta información, debes recordarla. Si podemos combinar estas dos funciones separadas, podemos ahorrar espacio y ahorrar costos de energía».

Actualmente, el memristor es la tecnología más avanzada que puede realizar un procesamiento compartido y una función de memoria, pero el memristor sufre de una costosa conmutación de energía y menos biocompatibilidad. Estos inconvenientes han llevado a los investigadores al transistor de sinapsis, especialmente al transistor de sinapsis electroquímico orgánico, que opera a bajos voltajes, memoria continuamente ajustable y alta compatibilidad con aplicaciones biológicas. Todavía hay desafíos.

«Incluso los transistores sinápticos electroquímicos orgánicos de alto rendimiento requieren separar el proceso de escritura del proceso de lectura», dijo Rivnay. «Entonces, si desea preservar la memoria, debe separarla del proceso de escritura, lo que puede complicar aún más la integración en circuitos o sistemas».

Para superar estos desafíos, el equipo de la Universidad Northwestern y la Universidad de Hong Kong mejoró un plástico conductor dentro de un transistor electroquímico orgánico que puede atrapar iones. En el cerebro, una sinapsis es una estructura a través de la cual una neurona puede transmitir señales a otra neurona, utilizando pequeñas moléculas llamadas neurotransmisores. En un transistor sináptico, los iones se comportan de manera similar a los neurotransmisores, enviando señales entre terminales para formar sinapsis artificiales. Al retener los datos almacenados de los iones atrapados, el transistor recuerda actividades pasadas, lo que conduce al desarrollo de elasticidad a largo plazo.

Los investigadores demostraron el comportamiento sináptico de su dispositivo conectando transistores sinápticos simples a un circuito neuromórfico para simular el aprendizaje asociativo. Integraron sensores de luz y presión en el circuito y entrenaron el circuito para conectar entradas físicas no relacionadas (presión y luz) entre sí.

Quizás el ejemplo más famoso de aprendizaje asociativo es el perro de Pavlov, que naturalmente babea cuando se enfrenta a la comida. Después de que el perro se adaptó a asociar el timbre con la comida, el perro también comenzó a babear cuando escuchó el sonido de la campana. Para el circuito neural, los investigadores activaron el voltaje aplicando presión con solo presionar un dedo. Para adaptar el circuito para relacionar la luz con la presión, los investigadores primero aplicaron una luz pulsada de un LED y luego la presionaron inmediatamente. En este escenario, la presión es la comida y la luz es la campana. Los sensores correspondientes al dispositivo detectaron ambas entradas.

Después de una sesión de entrenamiento, el circuito hizo un primer contacto entre la luz y la presión. Después de cinco sesiones de entrenamiento, el circuito unió fuertemente la luz a la presión. Solo la luz podía emitir una señal o una «respuesta incondicionada».

Dado que el circuito sináptico está hecho de polímeros blandos, como el plástico, se puede fabricar fácilmente en paneles flexibles e integrar fácilmente en dispositivos electrónicos blandos y portátiles, robots inteligentes y dispositivos implantables que interactúan directamente con los tejidos vivos e incluso con el cerebro.

“Si bien nuestra aplicación es una prueba de concepto, nuestro circuito propuesto podría ampliarse aún más para incluir más entradas sensoriales y combinarse con otros dispositivos electrónicos para permitir la computación en el sitio de baja energía”, dijo Rivnay. «Debido a que es compatible con entornos biológicos, el dispositivo puede interactuar directamente con el tejido vivo, lo que es fundamental para la próxima generación de biónica».

###

El estudio, “Simulación de aprendizaje asociativo con un transistor electroquímico orgánico no volátil atrapado por iones”, fue financiado por la National Science Foundation (número de premio DMR-1751308), el Fondo de Investigación Pública de Hong Kong (número de premio HKU 17264016 y HKU 17204517 ) y la Fundación Nacional de Ciencias Naturales de China.