MADRID, 23 Dic. (EDIZIONES) -
Una neurona artificial basada en láser que emula por completo las funciones, la dinámica y el procesamiento de información de una neurona biológica graduada, es la nueva innovación que expertos de la Universidad China de Hong Kong, presentan en la revista 'Óptica'.
Con una velocidad de procesamiento de señales de 10 GBaud -mil millones de veces más rápida que sus contrapartes biológicas- la nueva neurona graduada por láser podría conducir a avances en campos como la inteligencia artificial y otros tipos de computación avanzada.
El cuerpo contiene varios tipos de células nerviosas, incluidas las neuronas graduadas que codifican información a través de cambios continuos en el potencial de membrana, lo que permite un procesamiento de señales sutil y preciso. Por el contrario, las neuronas biológicas que emiten impulsos transmiten información mediante potenciales de acción de todo o nada, lo que crea una forma de comunicación más binaria.
"Nuestra neurona graduada por láser supera las limitaciones de velocidad de las versiones fotónicas actuales de neuronas de pico y tiene el potencial de funcionar incluso más rápido", declara el líder del equipo de investigación Chaoran Huang de la Universidad China de Hong Kong .
"Al aprovechar su dinámica no lineal similar a la de las neuronas y su procesamiento rápido, construimos un sistema de computación de reservorio que demuestra un rendimiento excepcional en tareas de IA como el reconocimiento de patrones y la predicción de secuencias", ha añadido.
Los investigadores informan que su neurona graduada por láser de puntos cuánticos basada en chip puede alcanzar una velocidad de procesamiento de señales de 10 GBaud. Utilizaron esta velocidad para procesar datos de 100 millones de latidos cardíacos o 34,7 millones de imágenes digitales escritas a mano en solo un segundo.
"Nuestra tecnología podría acelerar la toma de decisiones de IA en aplicaciones en las que el tiempo es un factor crítico, manteniendo al mismo tiempo una alta precisión. Esperamos que la integración de nuestra tecnología en dispositivos de computación de borde (que procesan datos cerca de su origen) facilite sistemas de IA más rápidos e inteligentes que sirvan mejor a las aplicaciones del mundo real con un menor consumo de energía en el futuro", detalla Huang.
Las neuronas artificiales basadas en láser, que pueden responder a señales de entrada de una manera que imita el comportamiento de las neuronas biológicas, se están explorando como una forma de mejorar significativamente la computación gracias a sus velocidades de procesamiento de datos ultrarrápidas y su bajo consumo de energía.
Sin embargo, la mayoría de las desarrolladas hasta ahora han sido neuronas de impulsos fotónicos. Estas neuronas artificiales tienen una velocidad de respuesta limitada, pueden sufrir pérdida de información y requieren fuentes láser y moduladores adicionales.
La limitación de velocidad de las neuronas fotónicas de picos se debe a que normalmente funcionan inyectando pulsos de entrada en la sección de ganancia del láser. Esto provoca un retraso que limita la velocidad de respuesta de la neurona. Para la neurona graduada por láser, los investigadores utilizaron un enfoque diferente al inyectar señales de radiofrecuencia en la sección de absorción saturable del láser de puntos cuánticos, lo que evita este retraso. También diseñaron almohadillas de radiofrecuencia de alta velocidad para la sección de absorción saturable para producir un sistema más rápido, más simple y más eficiente energéticamente.
"Con potentes efectos de memoria y excelentes capacidades de procesamiento de información, una sola neurona graduada por láser puede comportarse como una pequeña red neuronal", plantea Huang. "Por lo tanto, incluso una sola neurona graduada por láser sin conexiones complejas adicionales puede realizar tareas de aprendizaje automático con alto rendimiento".
Para demostrar aún más las capacidades de su neurona graduada por láser, los investigadores la utilizaron para crear un sistema de computación de reservorio. Este método computacional utiliza un tipo particular de red conocida como reservorio para procesar datos dependientes del tiempo, como los que se utilizan para el reconocimiento de voz y la predicción meteorológica. La dinámica no lineal similar a la de las neuronas y la rápida velocidad de procesamiento de la neurona graduada por láser la hacen ideal para respaldar la computación de reservorio de alta velocidad.
En las pruebas, el sistema de computación de reservorio resultante exhibió un excelente reconocimiento de patrones y predicción de secuencias, particularmente predicción a largo plazo, en varias aplicaciones de IA con alta velocidad de procesamiento. Por ejemplo, procesó 100 millones de latidos cardíacos por segundo y detectó patrones arrítmicos con una precisión promedio del 98,4%.
"En este trabajo, utilizamos una sola neurona graduada por láser, pero creemos que la conexión en cascada de múltiples neuronas graduadas por láser permitirá liberar aún más su potencial, de la misma manera que el cerebro tiene miles de millones de neuronas que trabajan juntas en redes", afirma.
"Estamos trabajando para mejorar la velocidad de procesamiento de nuestra neurona graduada por láser y, al mismo tiempo, desarrollar una arquitectura de computación de reservorio profundo que incorpora neuronas graduadas por láser en cascada", concreta Huang.