Los investigadores del Instituto Bernal de la UL han descubierto nuevas formas de analizar, controlar y adaptar materiales a la escala molecular más fundamental.
Los resultados se han utilizado en un proyecto internacional en el que participan expertos de todo el mundo para ayudar a crear un nuevo tipo de plataforma de hardware para inteligencia artificial que logre mejoras sin precedentes en velocidad computacional y eficiencia energética.
La investigación acaba de publicarse en la revista científica Nature.
El equipo de UL, dirigido por Damien Thompson, profesor de Modelado Molecular en UL y director de SSPC, el Centro de Investigación Farmacéutica de Irlanda, en una colaboración internacional con científicos del Instituto Indio de Ciencias (IISc) y la Universidad Texas A&M, cree que este nuevo descubrimiento conducirá a soluciones innovadoras a los grandes desafíos sociales en materia de salud, energía y medio ambiente.
El profesor Thompson explicó: "El diseño se inspira en el cerebro humano, que utiliza el movimiento natural de los átomos para procesar y almacenar información. A medida que las moléculas giran y rebotan alrededor de su red cristalina, crean una multitud de estados de memoria individuales.
Podemos rastrear el camino de las moléculas dentro del dispositivo y asignarle a cada instantánea un estado eléctrico único. Eso crea una especie de diario de viaje de la molécula que se puede escribir y leer como en un ordenador convencional basado en silicio, pero aquí con una economía de energía y espacio enormemente mejorada porque cada entrada es más pequeña que un átomo."
"Esta solución innovadora podría tener enormes beneficios para todas las aplicaciones informáticas, desde centros de datos que consumen mucha energía hasta mapas digitales con uso intensivo de memoria y juegos en línea".
Hasta la fecha, las plataformas neuromórficas (un enfoque de computación inspirado en el cerebro humano) sólo han funcionado para operaciones de baja precisión, como la inferencia en redes neuronales artificiales. Esto se debe a que las tareas informáticas básicas, como el procesamiento de señales, el entrenamiento de redes neuronales y el procesamiento del lenguaje natural, requieren una resolución computacional mucho mayor que la que podrían ofrecer los circuitos neuromórficos existentes.
Por esta razón, lograr una alta resolución ha sido el desafío más arduo en la computación neuromórfica.
La reconceptualización de la arquitectura informática subyacente por parte del equipo logra la alta resolución requerida y realiza cargas de trabajo que consumen muchos recursos con una eficiencia energética sin precedentes de 4,1 teraoperaciones por segundo por vatio (TOPS/W).
El avance del equipo extiende la computación neuromórfica más allá de las aplicaciones de nicho en un movimiento que potencialmente puede liberar los beneficios transformadores largamente anunciados de la inteligencia artificial y aumentar el núcleo de la electrónica digital desde la nube hasta el borde.
El líder del proyecto en el IISc, el profesor Sreetosh Goswami, dijo: "Al controlar con precisión la amplia gama de estados cinéticos moleculares disponibles, creamos el acelerador neuromórfico de 14 bits completamente funcional y más preciso integrado en una placa de circuito que puede manejar cargas de trabajo de procesamiento de señales, IA y aprendizaje automático como redes neuronales artificiales, autocodificadores y redes generativas adversarias.
"Lo más importante es que, al aprovechar la alta precisión de los aceleradores, podemos entrenar redes neuronales en el borde, abordando así uno de los desafíos más urgentes en el hardware de IA".
Se producirán más mejoras a medida que el equipo trabaje para ampliar la gama de materiales y procesos utilizados para crear las plataformas y aumentar aún más la potencia de procesamiento.
El profesor Thompson explicó: "El objetivo final es reemplazar lo que ahora consideramos computadoras con 'software versátil' de alto rendimiento basado en materiales energéticamente eficientes y ecológicos que brinden procesamiento de información ubicuo distribuido en todo el entorno, integrado en artículos de uso diario, desde ropa hasta envases de alimentos y materiales de construcción".
Fuente y enlace a la investigaciòn:
- Deepak Sharma, Santi Prasad Rath, Bidyabhusan Kundu, Anil Korkmaz, Harivignesh S, Damien Thompson, Navakanta Bhat, Sreebrata Goswami, R. Stanley Williams, Sreetosh Goswami. Memristores moleculares cinéticos de 14 bits con autoselección y simetría lineal . Nature , 2024; DOI: 10.1038/s41586-024-07902-2