Nuevo enfoque: plataformas de computación inspiradas en el cerebro con alta eficiencia energética

MadridLas computadoras han mejorado enormemente en sus capacidades. Son excelentes para procesar y predecir datos. Sin embargo, los cerebros humanos utilizan mucha menos energía. Incluso las mejores computadoras necesitan alrededor de 10,000 veces más energía que los cerebros humanos para realizar tareas como el procesamiento de imágenes.

Reducir el consumo energético de las computadoras es crucial. Los dispositivos electrónicos de estos equipos son el cuarto mayor consumidor de energía a nivel mundial, y su uso está en aumento debido a las aplicaciones en inteligencia artificial. Este desperdicio de energía también contribuye al calentamiento global. Por tanto, es urgente desarrollar tecnologías de computación eficientes en términos de energía.

La computación neuromórfica imita el funcionamiento del cerebro, utilizando neuronas que procesan información simultáneamente mientras consumen poca energía. Este enfoque puede disminuir la energía requerida para el cómputo. Investigadores de UC Santa Barbara, Intel Labs, y otros publicaron un estudio en Nature Communications sobre una nueva plataforma de computación neuromórfica. Usaron transistores especiales hechos de materiales 2D llamados dicalcogenuros de metales de transición, los cuales podrían ayudar a reducir el consumo de energía a niveles similares a los del cerebro humano.

Esta nueva plataforma ofrece funciones fáciles de usar, un diseño limpio, un rendimiento veloz y una sólida seguridad.

• Utiliza TFETs basados en TMDs 2D
• Corrientes en estado de reposo más bajas
• Baja pendiente de subumbral (SS)
• Potencial significativo para la eficiencia energética

La computación neuromórfica ha existido por un tiempo y últimamente está ganando más atención. Los avances en los circuitos han permitido crear transistores más pequeños y compactos, lo que nos permite realizar más procesamiento y agregar más funciones consumiendo menos energía.

Lea también:

Ayer · 20:33

¿Puede el sonido crear ilusiones mágicas?

Investigadores están desarrollando nuevos transistores de túnel 2D que funcionan bien a bajos voltajes. Estos pequeños transistores consumen menos energía y realizan cambios rápidos. Imitan el eficiente modo de operar del cerebro. La arquitectura informática neuromórfica utiliza circuitos que se activan solo cuando es necesario, a diferencia de las computadoras tradicionales que usan energía de forma continua.

Los ordenadores tradicionales utilizan una arquitectura von Neumann donde los datos se procesan paso a paso y las unidades de memoria y procesamiento están separadas. En contraste, los ordenadores neuromórficos (NM) procesan datos solo cuando hay una entrada, y su memoria y procesamiento están distribuidos entre muchos transistores. Empresas como Intel e IBM han creado plataformas similares a cerebros con miles de millones de transistores conectados que ahorran mucha energía, pero aún hay margen para mejorar.

La mayor parte de la pérdida de energía en los chips actuales de NM se debe a las corrientes de fuga. Estas son pequeñas cantidades de electricidad que fluyen incluso cuando el circuito está apagado. Los chips NM actuales utilizan MOSFETs, que tienen una alta fuga cuando están apagados. El nuevo método emplea TFETs, que presentan una fuga mucho menor cuando están apagados. Esto hace que el consumo de energía sea mucho más eficiente.

Al emplear TFET en circuitos neuromórficos, se observó que consumen menos energía que los MOSFET más avanzados. En especial, superan a los FinFET, un tipo de MOSFET con estructuras verticales que mejoran la conmutación. Aunque los TFET aún se encuentran en fase de investigación, su rendimiento es prometedor para futuros sistemas de computación inspirados en el cerebro.

Los investigadores creen que esta nueva plataforma consume menos energía, de manera similar al cerebro humano. No se incluye la energía para circuitos de interfaz y almacenamiento de memoria. En el futuro, versiones tridimensionales de estos circuitos podrían funcionar de manera aún más eficiente, mejorando el rendimiento y la eficiencia. Esta plataforma representa un gran avance en comparación con la tecnología actual.