"Una sola neurona graduada láser, gracias a sus potentes efectos de memoria y capacidades de procesamiento de información, puede actuar como una pequeña red neuronal y realizar tareas de aprendizaje automático con gran rendimiento"
Las neuronas graduadas biológicas codifican información a través de cambios continuos en el potencial de membrana, permitiendo un procesamiento de señales más preciso que las neuronas de disparo, que operan con un sistema binario. Según Huang, "Nuestra neurona graduada láser supera las limitaciones de velocidad de las versiones fotónicas actuales y tiene el potencial para operar aún más rápido". Esta tecnología se utilizó para construir un sistema de reservorio computacional, logrando un rendimiento sobresaliente en tareas de IA como el análisis de 100 millones de latidos cardíacos o 34,7 millones de imágenes digitales en tan solo un segundo.
La innovación también promete reducir el consumo energético de las aplicaciones de IA en dispositivos de computación en el borde, que procesan datos cerca de su fuente. "Nuestra tecnología podría acelerar la toma de decisiones en aplicaciones críticas mientras mantiene una alta precisión", explicó Huang. Este desarrollo facilita sistemas más inteligentes y veloces que integran IA con menor impacto energético, adaptándose mejor a aplicaciones del mundo real.
El diseño de la neurona láser incluye señales de radiofrecuencia en una sección de absorción saturable del láser, lo que evita los retrasos característicos de las neuronas fotónicas de disparo y crea un sistema más rápido y eficiente. Según Huang, "Una sola neurona graduada láser, gracias a sus potentes efectos de memoria y capacidades de procesamiento de información, puede actuar como una pequeña red neuronal y realizar tareas de aprendizaje automático con gran rendimiento".
En pruebas adicionales, la neurona graduada láser mostró su eficacia en un sistema de reservorio computacional, procesando datos temporales para aplicaciones como reconocimiento de voz o predicción climática. El sistema detectó patrones arrítmicos con un 98,4% de precisión y mostró un rendimiento excepcional en tareas de predicción a largo plazo. Huang concluye: "Estamos trabajando para mejorar la velocidad de procesamiento y desarrollar una arquitectura profunda que incorpore neuronas graduadas láser en cascada, tal como el cerebro utiliza miles de millones de neuronas conectadas en redes".
Fuente y enlace de la investigación:
Yikun Nie, Bo Yang, Dongliang Wang, Ting Wang, Jiawei Wang, Zihao Wang, Chaoran Huang. Integrated laser graded neuron enabling high-speed reservoir computing without a feedback loop. Optica, 2024; 11 (12): 1690 DOI: 10.1364/OPTICA.537231