Semiconductor Neuron imita la memoria del cerebro y las habilidades de respuesta adaptativa

El cerebro humano hace más que simplemente regular las sinapsis que intercambian señales; Las neuronas individuales también procesan información a través de la plasticidad intrínseca, la capacidad adaptativa para volverse más sensible o menos sensible dependiendo del contexto. Sin embargo, los semiconductores de inteligencia artificiales existentes han luchado por imitar esta flexibilidad del cerebro.

Los investigadores de Kaist ahora han desarrollado tecnología de semiconductores de potencia ultra-bajo, de próxima generación, que también implementa esta capacidad. El equipo dirigido por el profesor Kyung Min Kim, del Departamento de Ciencia e Ingeniería de Materiales, desarrolló un neuristor de cambio de frecuencia que imita la plasticidad intrínseca, una propiedad que permite a las neuronas recordar actividad pasada y ajustar autónomas sus características de respuesta. El estudio es publicado en el diario Materiales avanzados.

La plasticidad intrínseca se refiere a la capacidad adaptativa de cerebros; Por ejemplo, se sorprende menos al escuchar el mismo sonido repetidamente, o respondiendo más rápidamente a un estímulo específico después de un entrenamiento repetido. El neuristor de cambio de frecuencia es un dispositivo de neurona artificial que ajusta de forma autónoma la frecuencia de sus señales, al igual que el cerebro se vuelve menos sorprendido por estímulos repetidos o, por el contrario, cada vez más sensible a través del entrenamiento.

El equipo de investigación combinó un Memristor Mott volátil, que reacciona momentáneamente antes de regresar a su estado original, con un memristor no volátil, que recuerda las señales de entrada por largos períodos de tiempo. Esto permitió la implementación de un dispositivo que puede controlar libremente con qué frecuencia una neurona se dispara (su frecuencia de picos).

En este dispositivo, las señales de pico neuronal y los cambios en la resistencia a los memristor se influyen entre sí, ajustando automáticamente las respuestas. En pocas palabras, se reproduce dentro de un solo dispositivo semiconductor cómo el cerebro se sorprende menos por los sonidos repetidos o más sensible a los estímulos repetidos.

Para verificar la efectividad de esta tecnología, los investigadores realizaron simulaciones con una red neuronal escasa. Descubrieron que, a través de la función de memoria incorporada de las neuronas, el sistema alcanzó el mismo rendimiento con un 27.7% menos de consumo de energía en comparación con las redes neuronales convencionales.

También demostraron una excelente resiliencia: incluso si algunas neuronas estaban dañadas, la plasticidad intrínseca permitió a la red reorganizarse y restaurar el rendimiento. En otras palabras, la inteligencia artificial utilizando esta tecnología consume menos electricidad mientras se mantiene el rendimiento, y puede compensar las fallas de circuitos parciales para reanudar el funcionamiento normal.

El profesor Kim, quien dirigió la investigación, declaró: «Este estudio implementó la plasticidad intrínseca, una función central del cerebro, en un solo dispositivo de semiconductores, avanzando así la eficiencia energética y la estabilidad de la IA hardware a un nuevo nivel. Esta tecnología, que permite que los dispositivos recordar su propio estado y recuperar o recuperar incluso el daño de daño, como un componente clave en los sistemas que requieren sistemas a largo plazo, como la conducción de la estadificación a largo plazo, como el actualización de la estadificación a largo plazo, como los dispositivos y los dispositivos.