Saltar al contenido

Visor

Memristores y espintrónica

Figura 1. Un memristor espintrónico. Los memristors son útiles en computación neuromórica, simulación de neuronas y redes neuronales.

En el camino hacia la I.A. (o A.I), la inteligencia artificial, y la computación cuántica, varios investigadores han logrado combinar elementos electrónicos llamados memristores (propuestos por L. O. Chua hace medio siglo, y encontrados por HP entre 2008 y 2010) con la espintrónica (electrónica que tiene en cuenta el espín del electrón como grado de libertad adicional en los procesos de electrónicos, y no solamente la carga del electrón).

Los memristores llevan años estudiándose como circuitos capaces de modelar sinapsis y en las arquitecturas de ordenadores que dan lugar a la llamada computación neuromórfica (financiada por entidades como DARPA).

La computación neuromórfica es un paso natural intermedio hacia la computación cuántica, ya que el aprendizaje usando memristores combinado con espintrónica, a escala nanométrica con nanoelectrónica de "dispositivos con memoria" como los memristores, parece lograr un comportamiento "tipo cerebro" muy interesante en las aplicaciones prácticas a corto plazo, especialmente en robótica e inteligencia artificial.

El objetivo es alcanzar un ordenador "brain-like" a nivel cuántico en última instancia, y una auténtica I.A., que tardará todavía una o dos décadas, salvo revolución, en emerger.

Así, el artículo cuenta cómo unos investigadores de la Universidad de Tohoku y la Universidad de Gotemburgo han establecido una nueva tecnología espintrónica para la computación inspirada en el cerebro. Su logro se publicó en la revista Nature Materials el 29 de noviembre de 2021. Las tareas cognitivas sofisticadas, como el reconocimiento de imágenes y de voz, han experimentado avances recientes gracias al aprendizaje profundo. Aun así, el cerebro humano aún ejecuta estas tareas sin gastar mucha energía y con mayor eficiencia que cualquier computadora. Por lo tanto, el desarrollo de neuronas artificiales energéticamente eficientes capaces de emular procesos inspirados en el cerebro ha sido un importante objetivo de investigación durante décadas. Los investigadores demostraron la primera integración de un nanoelemento de computación cognitiva, el memristor, en otro, un oscilador espintrónico. Los conjuntos de estos osciladores controlados por memristor combinan el almacenamiento local no volátil de la función de memristor con el cálculo de frecuencia de microondas de las redes de nanoosciladores y pueden imitar de cerca las redes neuronales oscilatorias no lineales del cerebro humano. La resistencia del memristor cambió con la histéresis de voltaje aplicada al electrodo superior de Ti/Cu. Tras la aplicación de voltaje al electrodo, se aplicó un campo eléctrico en el estado de alta resistencia, en comparación con los flujos de corriente eléctrica para el estado de baja resistencia. Los efectos del campo eléctrico y la corriente en el oscilador diferían entre sí, ofreciendo varios controles de propiedades de oscilación y sincronización. El profesor Johan Akerman de la Universidad de Gotemburgo y líder del estudio expresó sus esperanzas para el futuro y la importancia del hallazgo. "Estamos particularmente interesados ​​en los esquemas informáticos emergentes de inspiración cuántica, como Ising Machines. Los resultados también destacan la colaboración productiva que hemos establecido en espintrónica neuromórfica entre la Universidad de Gotemburgo y la Universidad de Tohoku, algo que también es parte de la Suecia- Red colaborativa de Japón MIRAI 2.0". "Hasta ahora, las neuronas artificiales y las sinapsis se han desarrollado por separado en muchos campos; este trabajo marca un hito importante: dos elementos funcionales se han combinado en uno", dijo el profesor Shunsuke Fukami, quien dirigió el proyecto por parte de la Universidad de Tohoku. El Dr. Mohammad Zahedinejad de la Universidad de Gotemburgo y primer autor del estudio agrega: "Usando las matrices de osciladores espintrónicos controlados por memristor, pudimos ajustar las interacciones sinápticas entre neuronas adyacentes y programarlas en estados mutuamente diferentes y parcialmente sincronizados". Para poner en práctica su descubrimiento, los investigadores examinaron el funcionamiento de un dispositivo de prueba compuesto por un oscilador y un memristor. La región restringida de la pila W/CoFeB sirvió como un oscilador, es decir, la neurona, mientras que la pila MgO/AlOx/SiNx actuó como un memristor, es decir, la sinapsis. La resistencia del memristor cambió con la histéresis de voltaje aplicada al electrodo superior de Ti/Cu. Tras la aplicación de voltaje al electrodo, se aplicó un campo eléctrico en el estado de alta resistencia, en comparación con los flujos de corriente eléctrica para el estado de baja resistencia. Los efectos del campo eléctrico y la corriente en el oscilador diferían entre sí, ofreciendo varios controles de propiedades de oscilación y sincronización. El profesor Johan Akerman de la Universidad de Gotemburgo y líder del estudio expresó sus esperanzas para el futuro y la importancia del hallazgo. "Estamos particularmente interesados ​​en los esquemas informáticos emergentes de inspiración cuántica, como Ising Machines. Los resultados también destacan la colaboración productiva que hemos establecido en espintrónica neuromórfica entre la Universidad de Gotemburgo y la Universidad de Tohoku, algo que también es parte de la Suecia- Red colaborativa de Japón MIRAI 2.0".
 
 
 
 

Redactor de la noticia: Juan F. González.

Palabras clave: memristor, espintrónica, computación neuromórfica, computación cuántica, sinapsis, nanoelectrónica, inteligencia artificial.

Referencias

[1] Space Daily news, Combining two cognitive computing nano-elements into one,
by Staff Writers.  URL: https://www.spacedaily.com/reports/Combining_two_cognitive_computing_nano_elements_into_one_999.html

[2] "Memristive control of mutual SHNO synchronization for neuromorphic computing", Mohammad Zahedinejad, Himanshu Fulara, Roman Khymyn, Afshin Houshang, Mykola Dvornik, Shunsuke Fukami,
Shun Kanai, Hideo Ohno & Johan Åkerman. Nature Materials volume 21, pages 81–87 (2022) https://dx.doi.org/10.1038/s41563-021-01153-6