Ilustración esquemática de un chip basado en la luz, inspirado en el cerebro. Al imitar los sistemas neuronales biológicos, los procesadores neuromórficos fotónicos proporcionan una plataforma prometedora para enfrentar los desafíos del aprendizaje automático y el reconocimiento de patrones.© Johannes Feldmann.
Científicos de las Universidades de Münster (Alemania), de Oxford y Exeter (ambas del Reino Unido), han creado una red neuronal artificial (ANN) que funciona con impulsos de luz: almacena y procesa información de manera similar a como lo hace el cerebro humano.
Al estar basada en la luz y no en electrones, como ocurre en las redes neuronales tradicionales, puede procesar datos con mucha mayor rapidez y aproximarse drásticamente al modo de funcionamiento del cerebro biológico.
Las redes neuronales artificiales imitan el funcionamiento de las neuronas biológicas. Las neuronas son las células que componen el cerebro. Forman una red natural que conecta a las neuronas entre sí mediante impulsos eléctricos. Estas conexiones neuronales, llamadas sinapsis, son las que permiten las facultades cognitivas.
Desde los años 40 del siglo pasado, los científicos han tratado de imitar este comportamiento del cerebro con la finalidad de replicar las habilidades superiores en sistemas informáticos. El resultado han sido las redes neuronales artificiales, denominadas RNA o ANN (en inglés): forman parte de la Inteligencia Artificial y de los sistemas inteligentes.
La neurona artificial es un dispositivo electrónico que a partir de un conjunto de entradas (datos) genera una única salida (transmisión de datos). La información de entrada atraviesa la red neuronal artificial (donde se somete a ciertas operaciones) y produce unos valores de salida que envía a otras neuronas artificiales.
Imitando el cerebro
Una neurona biológica puede recibir unas 10.000 entradas y enviar a su vez su salida a varios cientos de neuronas a la vez. Cada cerebro humano contiene cien mil millones de neuronas y cien billones de sinapsis. Las neuronas artificiales pretenden aproximarse todo lo posible a esa capacidad biológica para aumentar la eficiencia de los ordenadores en el procesamiento de datos.
Lo que se ha conseguido hasta el momento es entrenar a una red neuronal artificial para que realice una tarea, como reconocer un patrón en la dinámica sináptica, y conseguir que use ese patrón para enviar la información a otras unidades de la red neuronal artificial.
Las redes neuronales se han utilizado hasta ahora para resolver determinadas funciones, como la visión por ordenador o el reconocimiento de voz, pero no han podido desarrollar todo su potencial debido a la arquitectura propia de los ordenadores.
Al tener un procesador y una memoria separados entre sí, los ordenadores se diferencian sustancialmente del cerebro humano, que procesa y almacena información en el mismo lugar (las sinapsis). Por ello resulta complicado implementar en los ordenadores muchas neuronas y sinapsis para desarrollar tareas más complejas.
Al estar basada en la luz y no en electrones, como ocurre en las redes neuronales tradicionales, puede procesar datos con mucha mayor rapidez y aproximarse drásticamente al modo de funcionamiento del cerebro biológico.
Las redes neuronales artificiales imitan el funcionamiento de las neuronas biológicas. Las neuronas son las células que componen el cerebro. Forman una red natural que conecta a las neuronas entre sí mediante impulsos eléctricos. Estas conexiones neuronales, llamadas sinapsis, son las que permiten las facultades cognitivas.
Desde los años 40 del siglo pasado, los científicos han tratado de imitar este comportamiento del cerebro con la finalidad de replicar las habilidades superiores en sistemas informáticos. El resultado han sido las redes neuronales artificiales, denominadas RNA o ANN (en inglés): forman parte de la Inteligencia Artificial y de los sistemas inteligentes.
La neurona artificial es un dispositivo electrónico que a partir de un conjunto de entradas (datos) genera una única salida (transmisión de datos). La información de entrada atraviesa la red neuronal artificial (donde se somete a ciertas operaciones) y produce unos valores de salida que envía a otras neuronas artificiales.
Imitando el cerebro
Una neurona biológica puede recibir unas 10.000 entradas y enviar a su vez su salida a varios cientos de neuronas a la vez. Cada cerebro humano contiene cien mil millones de neuronas y cien billones de sinapsis. Las neuronas artificiales pretenden aproximarse todo lo posible a esa capacidad biológica para aumentar la eficiencia de los ordenadores en el procesamiento de datos.
Lo que se ha conseguido hasta el momento es entrenar a una red neuronal artificial para que realice una tarea, como reconocer un patrón en la dinámica sináptica, y conseguir que use ese patrón para enviar la información a otras unidades de la red neuronal artificial.
Las redes neuronales se han utilizado hasta ahora para resolver determinadas funciones, como la visión por ordenador o el reconocimiento de voz, pero no han podido desarrollar todo su potencial debido a la arquitectura propia de los ordenadores.
Al tener un procesador y una memoria separados entre sí, los ordenadores se diferencian sustancialmente del cerebro humano, que procesa y almacena información en el mismo lugar (las sinapsis). Por ello resulta complicado implementar en los ordenadores muchas neuronas y sinapsis para desarrollar tareas más complejas.
Los microchips ópticos tienen aproximadamente el tamaño de un céntimo de euro.© WWU - Peter Leßmann.
Sinapsis ópticas
Esta es la dificultad que ha resuelto la creación de redes neuronales basadas en la luz: codifica los datos en fotones (las partículas de la luz), que se mueven a gran velocidad a través de materiales ópticos sin generar mucho calor. Además, pueden usar diferentes colores para enviar grandes cantidades de información simultáneamente.
Los investigadores pudieron además comprobar que esta red es capaz de "aprender" de la información y de usarla para calcular y reconocer patrones, tal como hace el cerebro.
El invento ha resuelto una dificultad técnica no menos relevante: los impulsos lumínicos no se comunican entre sí, un proceso necesario para emular la sinapsis.
Esta dificultad podría resolverse convirtiendo las señales ópticas en señales eléctricas, para que la sinapsis se produzca, y a continuación convertirlas de nuevo en luz para transmitirlas a más velocidad.
Pero esta solución fue descartada porque la conversión y reconversión de señales lumínicas en eléctricas aumenta la complejidad del proceso y el consumo de energía, al mismo tiempo que reduce el flujo de información.
Los autores de esta investigación han ido por ello más lejos: para conseguir la sinapsis entre fotones han fabricado la red neuronal artificial sobre un material de cambio de fase que se calienta con un pulso de láser. Este material de cambio de fase ya se utiliza, por ejemplo, en el DVD-RW (regrabable).
4 neuronas, 60 sinapsis
Estos materiales de cambio de fase se caracterizan por el hecho de que cambian dramáticamente sus propiedades ópticas, dependiendo de si son cristalinos, cuando sus átomos se organizan de manera regular, o amorfos, cuando sus átomos se organizan de manera irregular.
Este cambio de fase puede ser activado por la luz si un láser calienta el material. Cuando este material cambia de fase, imita las sinapsis y replica el funcionamiento del cerebro, sin necesidad de convertir la luz en electricidad en ningún momento.
Usando un material de cambio de fase, el equipo construyó un chip totalmente óptico que comprende cuatro neuronas artificiales y 60 sinapsis. El equipo probó su chip mediante el uso de dos algoritmos de aprendizaje ANN establecidos (aprendizaje supervisado y no supervisado) para capacitar a su red a reconocer imágenes de píxeles en blanco y negro en una cuadrícula de 3 × 5.
"Nuestro sistema nos ha permitido dar un paso importante hacia la creación de hardware que se comporta de manera similar a las neuronas y las sinapsis en el cerebro y que también puede trabajar en tareas del mundo real", dice Wolfram Pernice, uno de los investigadores, en un comunicado.
Indentificar células cancerígenas
"Al trabajar con fotones en lugar de electrones, podemos aprovechar al máximo el potencial conocido de las tecnologías ópticas, no solo para transferir datos, como ha sido el caso hasta ahora, sino también para procesar y almacenarlos en un solo lugar”, agrega el coautor Harish Bhaskaran.
Un ejemplo muy específico de esta tecnología es que, con la ayuda de esta red, las células cancerosas podrían identificarse automáticamente. Sin embargo, será necesario realizar más trabajos antes de que dichas aplicaciones se conviertan en realidad, advierten los investigadores.
Necesitan aumentar el número de neuronas artificiales y sinapsis, así como la profundidad de las redes neuronales, para conseguir aplicaciones significativas. Esto se conseguiría, por ejemplo, con chips ópticos fabricados con tecnología de silicio.
Esta es la dificultad que ha resuelto la creación de redes neuronales basadas en la luz: codifica los datos en fotones (las partículas de la luz), que se mueven a gran velocidad a través de materiales ópticos sin generar mucho calor. Además, pueden usar diferentes colores para enviar grandes cantidades de información simultáneamente.
Los investigadores pudieron además comprobar que esta red es capaz de "aprender" de la información y de usarla para calcular y reconocer patrones, tal como hace el cerebro.
El invento ha resuelto una dificultad técnica no menos relevante: los impulsos lumínicos no se comunican entre sí, un proceso necesario para emular la sinapsis.
Esta dificultad podría resolverse convirtiendo las señales ópticas en señales eléctricas, para que la sinapsis se produzca, y a continuación convertirlas de nuevo en luz para transmitirlas a más velocidad.
Pero esta solución fue descartada porque la conversión y reconversión de señales lumínicas en eléctricas aumenta la complejidad del proceso y el consumo de energía, al mismo tiempo que reduce el flujo de información.
Los autores de esta investigación han ido por ello más lejos: para conseguir la sinapsis entre fotones han fabricado la red neuronal artificial sobre un material de cambio de fase que se calienta con un pulso de láser. Este material de cambio de fase ya se utiliza, por ejemplo, en el DVD-RW (regrabable).
4 neuronas, 60 sinapsis
Estos materiales de cambio de fase se caracterizan por el hecho de que cambian dramáticamente sus propiedades ópticas, dependiendo de si son cristalinos, cuando sus átomos se organizan de manera regular, o amorfos, cuando sus átomos se organizan de manera irregular.
Este cambio de fase puede ser activado por la luz si un láser calienta el material. Cuando este material cambia de fase, imita las sinapsis y replica el funcionamiento del cerebro, sin necesidad de convertir la luz en electricidad en ningún momento.
Usando un material de cambio de fase, el equipo construyó un chip totalmente óptico que comprende cuatro neuronas artificiales y 60 sinapsis. El equipo probó su chip mediante el uso de dos algoritmos de aprendizaje ANN establecidos (aprendizaje supervisado y no supervisado) para capacitar a su red a reconocer imágenes de píxeles en blanco y negro en una cuadrícula de 3 × 5.
"Nuestro sistema nos ha permitido dar un paso importante hacia la creación de hardware que se comporta de manera similar a las neuronas y las sinapsis en el cerebro y que también puede trabajar en tareas del mundo real", dice Wolfram Pernice, uno de los investigadores, en un comunicado.
Indentificar células cancerígenas
"Al trabajar con fotones en lugar de electrones, podemos aprovechar al máximo el potencial conocido de las tecnologías ópticas, no solo para transferir datos, como ha sido el caso hasta ahora, sino también para procesar y almacenarlos en un solo lugar”, agrega el coautor Harish Bhaskaran.
Un ejemplo muy específico de esta tecnología es que, con la ayuda de esta red, las células cancerosas podrían identificarse automáticamente. Sin embargo, será necesario realizar más trabajos antes de que dichas aplicaciones se conviertan en realidad, advierten los investigadores.
Necesitan aumentar el número de neuronas artificiales y sinapsis, así como la profundidad de las redes neuronales, para conseguir aplicaciones significativas. Esto se conseguiría, por ejemplo, con chips ópticos fabricados con tecnología de silicio.
Referencia
All-optical spiking neurosynaptic networks with self-learning capabilities. J. Feldmann et al. Nature, volume 569, pages208–214 (2019). DOI:https://doi.org/10.1038/s41586-019-1157-8
All-optical spiking neurosynaptic networks with self-learning capabilities. J. Feldmann et al. Nature, volume 569, pages208–214 (2019). DOI:https://doi.org/10.1038/s41586-019-1157-8