{{{sourceTextContent.title}}}

La primera computadora con memristores programables podría bajar la IA de la nube

{{{sourceTextContent.subTitle}}}

Los memristores, resistencias con almacenamiento de datos, podrían hacer que la IA sea menos intensiva en energía para pequeños dispositivos portátiles y de mano.

{{{sourceTextContent.description}}}

Los ingenieros de la Universidad de Michigan han desarrollado la primera computadora con memristores programables, que podría llevar a manejar la inteligencia artificial directamente en pequeños dispositivos como teléfonos inteligentes y sensores. Un procesador de inteligencia artificial para teléfonos inteligentes significaría que los comandos de voz ya no tendrían que ser enviados a la nube para su interpretación, lo que aceleraría el tiempo de respuesta.

"Todo el mundo quiere poner un procesador de IA en los teléfonos inteligentes, pero no se quiere que la batería de su teléfono celular se agote rápidamente", dice Wei Lu, profesor de ingeniería eléctrica e informática de la Universidad de Michigan.

En los dispositivos médicos, la ejecución de programas de IA fuera de la nube podría conducir a una mayor seguridad y privacidad.

La clave para este tipo de ordenador es el memristor. Es, en esencia, una resistencia eléctrica con una memoria que depende de la resistencia variable. Los Memristores almacenan y procesan la información en la misma ubicación, de modo que pueden evitar el mayor cuello de botella para la velocidad y la potencia de cálculo: la conexión entre la memoria y el procesador.

Esto es especialmente importante para los algoritmos de aprendizaje por máquina que tratan muchos datos para abordar tareas como la identificación de objetos en fotos y vídeos o la predicción de qué pacientes del hospital corren un alto riesgo de infección. Los programadores ya prefieren ejecutar estos programas en unidades de procesamiento gráfico en lugar del procesador principal de un ordenador, la unidad central de procesamiento.

"Las GPUs y los circuitos digitales personalizados y optimizados se consideran de 10 a 100 veces mejores que las CPUs en términos de potencia y rendimiento", dice Lu. "Los procesadores de IA basados en memristores podrían ser de 10 a 100 veces mejores que eso."

Las GPUs funcionan bien en el aprendizaje de la máquina porque tienen miles de núcleos pequeños para ejecutar los cálculos de una sola vez, a diferencia de la cadena de cálculos que esperan su turno en uno de los pocos núcleos potentes de una CPU.

Una matriz de memristores lleva esto aún más lejos. Cada memristor puede hacer su propio cálculo, realizando miles de operaciones dentro de un núcleo a la vez. En el ordenador de escala experimental, había más de 5.800 memristores. Un diseño comercial podría incluir millones de ellos. matrices de memristores son especialmente adecuados para los problemas de aprendizaje de la máquina. Esto se debe a que los algoritmos de aprendizaje de la máquina convierten los datos en vectores, es decir, listas de puntos de datos. Al predecir el riesgo de infección de un paciente en un hospital, por ejemplo, este vector puede contener representaciones numéricas de los factores de riesgo del paciente.

Luego, los algoritmos de aprendizaje automático comparan estos vectores de "entrada" con los vectores de "característica" almacenados en la memoria. Los vectores de características representan ciertos rasgos de los datos (como la presencia de una enfermedad subyacente). Si coincide, la computadora sabe que los datos de entrada tienen ese rasgo. Los vectores se almacenan en matrices y pueden mapearse directamente en los conjuntos de memristores.

A medida que los datos son alimentados a través de la matriz, la mayor parte del procesamiento matemático se realiza a través de las resistencias naturales en los memristores, eliminando la necesidad de mover vectores de características dentro y fuera de la memoria para realizar cálculos. Esto hace que las matrices sean muy adecuadas para cálculos matriciales complicados. Estudios anteriores demostraron el potencial de los arrays de memristores para acelerar el aprendizaje automático, pero necesitaban elementos informáticos externos para funcionar.

Para construir la primera computadora con memristores programables, el equipo de Lu diseñó un chip que combinaba la matriz de memristores con los otros elementos necesarios para programarla y ejecutarla. Estos componentes incluían un procesador digital convencional y canales de comunicación, y convertidores digitales/analógicos para interpretar las comunicaciones entre la matriz de memristores analógicos y el resto de la computadora.

El equipo demostró el dispositivo con tres algoritmos de aprendizaje muy conocidos:

Perceptrón, que clasifica la información. Podía identificar letras griegas imperfectas con una precisión del 100%.

Ÿ Codificación dispersa, que comprime y clasifica los datos, especialmente las imágenes. La computadora podía determinar la manera más eficiente de reconstruir las imágenes en un conjunto de patrones identificados con una precisión del 100%.

Red neuronal de dos capas, que encuentra patrones en datos complejos. Esta red encontró puntos en común y factores diferenciadores en los datos de detección del cáncer de mama, y luego clasificó cada caso como maligno o benigno con una precisión del 94,6%.

El equipo se enfrenta a dificultades para ampliar la escala de los memristores para uso comercial. Por ejemplo, todavía no pueden ser tan idénticos como necesitan ser, y la información almacenada en ellos no es completamente confiable porque es un continuo analógico en lugar de digital. Aún así, el equipo planea comercializar el dispositivo.