Desarrollo de hardware neuromórfico de ultra-bajo consumo energético para la computación en inteligencia artificial
Un equipo de investigadores de la Universidad Nacional de Seúl ha desarrollado un hardware neuromórfico capaz de realizar cálculos de inteligencia artificial (IA) con un consumo energético extremadamente bajo. Este avance, publicado en la revista *Nature Nanotechnology*, aborda problemas fundamentales en los materiales y dispositivos semiconductores actuales, mostrando un gran potencial para aplicaciones a nivel de arreglos tecnológicos.
En la actualidad, el procesamiento de grandes volúmenes de datos en campos como el Internet de las Cosas (IoT), la analítica de datos de usuarios, la IA generativa y los modelos de lenguaje de gran escala consume una cantidad considerable de energía. El uso de la computación en paralelo con semiconductores basados en silicio CMOS enfrenta desafíos significativos, como el elevado consumo energético, velocidades de memoria y procesador más lentas, así como limitaciones físicas en procesos de alta densidad. Estas cuestiones han generado preocupaciones sobre el consumo energético y las emisiones de carbono, a pesar de los beneficios que la IA aporta a la vida diaria.
Para hacer frente a estos desafíos, es esencial superar las limitaciones de la arquitectura de computación digital de Von Neumann. En este contexto, se ha planteado el desarrollo de hardware neuromórfico basado en semiconductores inteligentes que imiten los principios de funcionamiento del cerebro humano. Este órgano cuenta con aproximadamente 100 mil millones de neuronas y 100 billones de conexiones sinápticas que almacenan información y realizan cálculos, siendo estas sinapsis las unidades básicas de la inteligencia. El hardware neuromórfico, que utiliza dispositivos memristores para almacenar múltiples estados de resistencia, ofrece la posibilidad de llevar a cabo operaciones sinápticas similares a las del cerebro, pero su eficiencia se ve afectada por las limitaciones de los óxidos metálicos amorfos comúnmente utilizados.
El equipo de investigación, liderado por el Dr. Seung Ju Kim y el profesor Ho Won Jang, se centró en la alta movilidad iónica de los materiales de perovskita halógena, que han sido objeto de interés como materiales para celdas solares y LEDs de próxima generación. Al desarrollar dispositivos neuromórficos basados en materiales hibridos orgánicos-inorgánicos, lograron que los iones se distribuyeran uniformemente sobre la superficie del semiconductor. Este avance permitió un control de peso sináptico ultra-lineal y simétrico, algo que no era posible con los semiconductores inteligentes convencionales. A través de cálculos de principios fundamentales realizados por un equipo de POSTECH, se validaron los principios teóricos de este mecanismo.
Los investigadores evaluaron la precisión de los cálculos de IA realizados en este nuevo dispositivo y confirmaron que, tanto en conjuntos de datos pequeños como en grandes, se podía lograr una inferencia con un margen de error notablemente bajo, inferior al 0,08%. Además, mediante una colaboración con la Universidad del Sur de California, se demostró que los cálculos de IA podían ser acelerados con un consumo energético ultra-bajo, tanto a nivel de dispositivo como de arreglo. Este avance en la eficiencia energética de los materiales y dispositivos semiconductores inteligentes tiene el potencial de reducir significativamente el consumo energético global en la computación de IA, mejorando al mismo tiempo la precisión de los cálculos y abriendo nuevas posibilidades en campos como la conducción autónoma y el diagnóstico médico.
