Noticias

Tecnología de chips abre nuevas posibilidades para la IA

La computación inspirada en el cerebro humano dio un nuevo paso con una arquitectura que promete resolver uno de los principales desafíos de los sistemas neuromórficos. Investigadores de la Universidad de Yale desarrollaron un método que mejora la escalabilidad sin comprometer la precisión de los resultados.

El avance fue publicado en Nature Communications y presenta NeuroScale, una arquitectura diseñada para optimizar el funcionamiento de los chips neuromórficos. Estos circuitos integrados imitan el comportamiento de las neuronas y sinapsis biológicas para estudiar el cerebro y desarrollar nuevas generaciones de inteligencia artificial con un consumo energético significativamente menor.

Avance en chips inspirados en el cerebro

La investigación fue dirigida por Rajit Manohar, profesor de Yale, junto con Congyang Li, estudiante de doctorado y autor principal del estudio. El equipo explicó que los diseños actuales dependen de un mecanismo de sincronización global que obliga a todos los componentes a trabajar al ritmo del más lento, limitando el crecimiento de estos sistemas.

Además, esa sincronización añade una carga adicional que debe propagarse por toda la red, reduciendo la eficiencia conforme aumenta el número de neuronas artificiales.

Para superar esta limitación, NeuroScale reemplaza ese mecanismo por una sincronización local y distribuida. En lugar de coordinar toda la red al mismo tiempo, sincroniza únicamente grupos de neuronas y sinapsis directamente conectados, lo que permite mantener resultados reproducibles sin afectar la capacidad de expansión.

Tecnología con aplicaciones en inteligencia artificial

Los investigadores sostienen que este enfoque acerca el comportamiento del sistema a las mismas leyes de escalabilidad observadas en redes biológicas. Asimismo, facilita el desarrollo de plataformas capaces de integrar miles de millones de neuronas artificiales con mayor eficiencia energética.

El siguiente paso será fabricar el primer chip físico basado en NeuroScale para pasar de las simulaciones a una implementación en silicio. Paralelamente, el equipo trabaja en una arquitectura híbrida que combine este modelo con los sistemas utilizados actualmente en plataformas como IBM TrueNorth e Intel Loihi. También participaron especialistas del Yale Institute for Biospheric Studies, quienes buscan ampliar las aplicaciones de esta tecnología en inteligencia artificial, robótica y neurociencia computacional.

Lee también: Investigadores revelan cambios ocultos en salamandras
REDACCIÓN

Entradas recientes

Nesim Issa Tafich y Grupo SIMSA impulsan empleo juvenil lagunero

El dinamismo industrial que experimenta la Comarca Lagunera, impulsado por la expansión de parques productivos…

4 horas hace

Trabajar con estudiantes extranjeros mejora la comunicación

El aprendizaje colaborativo entre estudiantes universitarios de diferentes países puede fortalecer habilidades como la comunicación,…

24 horas hace

Solo la mitad de jóvenes consigue contratos permanentes

El empleo juvenil enfrenta dificultades importantes en Inglaterra, particularmente entre quienes no continúan sus estudios…

24 horas hace

El arte mejora el desempeño de alumnos con discapacidad

La educación artística puede convertirse en una herramienta para fortalecer el aprendizaje y la participación…

24 horas hace

UNESCO alerta sobre altos niveles de acoso escolar

El acoso escolar continúa afectando a una proporción considerable de adolescentes en distintos sistemas educativos…

2 días hace

Saber contar no garantiza que los niños comprendan números

El aprendizaje matemático durante la infancia requiere mucho más que memorizar números o repetir secuencias…

2 días hace