Un grupo de investigadores ha desarrollado un láser de puntos cuánticos basado en chip que emula una neurona biológicamente graduada y logra una gran velocidad de procesamiento (mil millones de veces más rápida que sus contrapartes biológicas). El cuerpo contiene distintos tipos de células nerviosas, entre las que se incluyen las neuronas graduadas que codifican información a través de cambios continuos en el potencial de membrana. Esto permite un procesamiento de señales sutil y preciso.
En contraposición, 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. Así, el grupo de investigadores ha desarrollado una neuronaartificial basada en láser que emula totalmente las funciones, dinámica y procesamiento de información de una neurona biológica.
"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"
“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”, dijo 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”.
Además, los investigadores han explicado utilizaron la velocidad de su neurona para procesar datos de 100 millones de latidos cardiacos 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", afirmó Huang.
NEURONAS MÁS RÁPIDAS
Las neuronasartificiales basadas en láser pueden responder a señales de entrada de forma similar a las neuronas biológicas. Actualmente, están siendo exploradas como una forma de mejorar significativamente la computación gracias a sus velocidades de procesamiento de datos ultrarrápidas y su bajo consumo de energía.
El problema radica en que, hasta ahora, la mayoría de las desarrolladas se caracterizaban por ser de impulsosfotónicos, con una velocidad de respuesta limitada. También pueden sufrir pérdida de información y requieren fuentes láser y moduladores adicionales. Para la neuronagraduada por láser, los investigadores utilizaron un enfoque diferente al inyectar señales de radiofrecuencia en la sección de absorción saturable del láser de puntos cuánticos.
"Incluso una sola neurona graduada por láser sin conexiones complejas adicionales puede realizar tareas de aprendizaje automático con alto rendimiento"
Por otro lado, diseñaron también almohadillasde radiofrecuencia de alta velocidad para la sección de absorción saturable, con el fin de producir un sistema rápido, simple y con mayor eficiencia energética. “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”, afirmó Huang. “Por lo tanto, incluso una sola neurona graduada por láser sin conexiones complejas adicionales puede realizar tareas de aprendizaje automático con alto rendimiento”.
Finalmente, para demostrar las capacidades del nuevo dispositivo, los investigadores lo usaron para crear un sistema de computación de reservorio. Se trata de un método computacional que utiliza un tipo de red conocida como reservorio para procesar datos dependientes del tiempo. 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.
El sistema de computación de reservorio resultante exhibió un gran reconocimiento de patrones y predicción de secuencias en varias aplicaciones de IA con alta velocidad de procesamiento. “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”, concluyó Huang.