Cómo hacer que los chips de las computadoras actúen más como neuronas

El cerebro humano es una máquina informática asombrosa. Con un peso de apenas unas tres libras, puede procesar información mil veces más rápido que la supercomputadora más veloz, almacenar mil veces más información que una potente computadora portátil y hacerlo todo sin consumir más energía que una bombilla de 20 vatios.

Los investigadores están tratando de replicar este éxito utilizando materiales orgánicos blandos y flexibles que puedan funcionar como las neuronas biológicas y algún día podrían incluso ser capaces de interconectarse con ellas. Con el tiempo, los chips informáticos “neuromórficos” blandos podrían implantarse directamente en el cerebro, permitiendo a las personas controlar un brazo artificial o un monitor de computadora simplemente pensando en ello.

Al igual que las neuronas reales — pero distintos de los chips informáticos convencionales— estos nuevos dispositivos pueden enviar y recibir señales químicas y eléctricas. “Su cerebro funciona con sustancias químicas, con neurotransmisores como la dopamina y la serotonina. Nuestros materiales son capaces de interactuar electroquímicamente con ellos”, afirma Alberto Salleo, un científico de materiales de la Universidad de Stanford que escribió sobre el potencial de los dispositivos neuromórficos orgánicos en el Annual Review of Materials Research de 2021.

Salleo y otros investigadores han creado dispositivos electrónicos con estos materiales orgánicos blandos que pueden actuar como transistores (que amplifican y conmutan las señales eléctricas) y células de memoria (que almacenan información) y otros componentes electrónicos básicos.

El trabajo surge del creciente interés por los circuitos informáticos neuromórficos que imitan el funcionamiento de las conexiones neuronales humanas, o sinapsis. Estos circuitos, ya sean de silicio, metal o materiales orgánicos, funcionan menos como los de las computadoras digitales y más como las redes de neuronas del cerebro humano.

Las computadoras digitales convencionales trabajan paso a paso, y su arquitectura crea una división fundamental entre el cálculo y la memoria. Esta división significa que los unos y los ceros deben ir y venir entre las ubicaciones del procesador de la computadora, creando un cuello de botella para la velocidad y el uso de energía.

El cerebro hace las cosas de forma diferente. Una neurona individual recibe señales de muchas otras neuronas, y todas estas señales se suman para afectar al estado eléctrico de la neurona receptora. En efecto, cada neurona sirve tanto de dispositivo de cálculo —integrando el valor de todas las señales que ha recibido— como de dispositivo de memoria: almacenando el valor de todas esas señales combinadas como un valor analógico infinitamente variable, en lugar del cero o uno de las computadoras digitales.

Los investigadores han desarrollado una serie de dispositivos “memristivos” diferentes que imitan esta capacidad. Al hacer pasar corrientes eléctricas a través de ellos, cambian la resistencia eléctrica. Al igual que las neuronas biológicas, estos dispositivos calculan sumando los valores de todas las corrientes a las que han sido expuestos. Y recuerdan a través del valor resultante que toma su resistencia.

Un simple memristor orgánico, por ejemplo, puede tener dos capas de materiales conductores de la electricidad. Cuando se aplica un voltaje, la corriente eléctrica impulsa los iones cargados positivamente de una capa a la otra, cambiando la facilidad con la que la segunda capa conducirá la electricidad la próxima vez que se exponga a una corriente eléctrica. (Vea el diagrama.) “Es una forma de dejar que la física se encargue de la computación”, dice Matthew Marinella, un ingeniero informático de la Universidad Estatal de Arizona en Tempe que investiga la computación neuromórfica.

La técnica también libera a la computadora de los valores estrictamente binarios. “Cuando se tiene una memoria informática clásica, es un cero o un uno. Nosotros hacemos una memoria que puede ser cualquier valor entre el cero y el uno. Así se puede ajustar de forma analógica”, dice Salleo.

Por el momento, la mayoría de los memristores y dispositivos relacionados no se basan en materiales orgánicos, sino que utilizan la tecnología estándar de los chips de silicio. Algunos se utilizan incluso comercialmente como forma de acelerar los programas de inteligencia artificial. Pero los componentes orgánicos tienen el potencial de hacer el trabajo con mayor rapidez y utilizando menos energía, dice Salleo. Y lo que es mejor, podrían diseñarse para integrarse en su propio cerebro. Los materiales son blandos y flexibles, y también tienen propiedades electroquímicas que les permiten interactuar con las neuronas biológicas.

Por ejemplo, Francesca Santoro, una ingeniera eléctrica que ahora trabaja en la Universidad Técnica de Aquisgrán (RWTH), en Alemania, está desarrollando un dispositivo de polímero que toma la información de las células reales y “aprende” de ella. En su dispositivo, las células están separadas de la neurona artificial por un pequeño espacio, similar a las sinapsis que separan a las neuronas reales entre sí. Cuando las células producen dopamina, una sustancia química de señalización nerviosa, la dopamina cambia el estado eléctrico de la mitad artificial del dispositivo. Cuanta más dopamina produzcan las células, más cambiará el estado eléctrico de la neurona artificial, tal y como se podría ver con dos neuronas biológicas. (Vea el diagrama.) “Nuestro objetivo final es realmente diseñar una electrónica que se parezca a las neuronas y actúe como tales”, dice Santoro.

El enfoque podría ofrecer una forma mejor de utilizar la actividad cerebral para accionar prótesis o monitores de computadora. Los sistemas actuales utilizan una electrónica estándar, que incluye electrodos que solo pueden captar patrones amplios de actividad eléctrica. Y los equipos son voluminosos y requieren computadoras externas para funcionar.

Los circuitos flexibles y neuromórficos podrían mejorar esta situación al menos de dos maneras. Serían capaces de traducir las señales neuronales de forma mucho más granular, respondiendo a las señales de las neuronas individuales. Y los dispositivos también podrían ser capaces de manejar algunos de los cálculos necesarios por sí mismos, dice Salleo, lo que podría ahorrar energía y aumentar la velocidad de procesamiento.

Los sistemas descentralizados de bajo nivel de este tipo —con pequeñas computadoras neuromórficas que procesan la información a medida que la reciben los sensores locales— son una vía prometedora para la computación neuromórfica, dicen Salleo y Santoro. “El hecho de que se parezcan tanto al funcionamiento eléctrico de las neuronas los hace ideales para el acoplamiento físico y eléctrico con el tejido neuronal”, dice Santoro, “y en última instancia con el cerebro”.

Artículo traducido por Debbie Ponchner