Una nueva era en la computación inspirada en el encéfalo
Las tecnologías informáticas han alcanzado una velocidad y una potencia de computación sin precedentes que les permiten simular partes de los encéfalos de los animales y también sus comportamientos. Sin embargo, para poder emular fidedignamente la inteligencia animal, estos sistemas necesitan una cantidad de energía exponencialmente mayor. El encéfalo contiene una cantidad de sinapsis extremadamente elevada. Por su parte, las neuronas poseen plasticidad y adaptabilidad. Curiosamente, el encéfalo está estructurado como un sistema en evolución, en el cual las sinapsis surgen y después mueren, se fortalecen y después se debilitan. A grandes rasgos, estas sinapsis reconfiguran la conectividad entre neuronas y permiten que la red creada por estas células adapte las respuestas motoras y conductuales a los estímulos del entorno, siempre cambiantes. Durante muchos años, las redes neuronales artificiales se han materializado por medio de programas informáticos que se ejecutan en ordenadores convencionales. En los últimos años han aparecido unos «planes» de computación neuromórficos que se valen de dispositivos electrónicos a nanoescala que son capaces de simular las propiedades de las neuronas y las sinapsis. Un sistema biohíbrido a medio camino entre las neuronas artificiales y naturales El proyecto RAMP, financiado con fondos europeos, pretendía desarrollar un sistema biohíbrido que conecta las redes neuronales artificiales con las biológicas. «Nuestro propósito era aprovechar las propiedades intrínsecas de las sinapsis y neuronas reales así como su organización, e integrar todo ello en circuitos neuronales», explicó el coordinador del proyecto, el profesor Vassanelli. Se formularon neuronas artificiales como microchips de silicio y se unieron a neuronas naturales mediante interfaces físicas, concretamente con transductores eléctricos, formando así un neurochip biohíbrido. Dado que las neuronas son células excitables y con actividad eléctrica, los transductores pueden registrar esa actividad o bien facilitar su estimulación. Con ese fin, los investigadores aprovecharon una de las tecnologías más prometedoras, los sensores MIS, siglas inglesas de memristive integrator sensor, que pueden funcionar como sensor neuronal inteligente al detectar y codificar simultáneamente señales eléctricas en una configuración de comunicación que incluye neuronas reales. A fin de emular el comportamiento de las sinapsis naturales, se generaron MIS capaces de codificar y comprimir la actividad de disparos (spiking) neuronales. Las señales registradas en las neuronas por medio de electrodos extracelulares convencionales se comunican con los MIS, que captan los disparos neuronales y los codifican como cambios en la resistencia interna de forma similar a lo que sucede en las sinapsis reales. «Tanto en el caso de los MIS como en el de la sinapsis, cada uno de esos cambios de resistencia se integra en el tiempo a medida que llegan series de disparos neuronales» añade el profesor Vassanelli. Paralelamente, el equipo científico del proyecto trató de reproducir en la parte artificial del biohíbrido cuanto ocurre en las sinapsis reales (donde la conectividad está supeditada a la actividad neuronal), y para ello creó algoritmos inspirados en la neurobiología. En esencia, la cantidad de conexiones entre neuronas artificiales era una función de la actividad que emulaba la plasticidad cerebral. Aplicaciones futuras Los MIS constituyen herramientas de gran utilidad para examinar la computación encefálica y para interpretar la actividad de este órgano. Para la neurociencia resulta fundamental el seguimiento de la actividad de las células neuronales, pero el procesamiento de los datos neuronales en tiempo real fija ciertos requisitos restrictivos en cuanto a ancho de banda, energía y capacidad de computación. Pero los dispositivos memresistivos consumen poca energía durante el proceso de codificación, por lo que no solo sortean ese escollo, sino que además permiten comprender mejor la base biofísica del procesamiento de la información en los circuitos neuronales naturales. A largo plazo, estos elementos podrían emplearse en crear neuroprótesis innovadoras, por ejemplo implantes cerebrales, en las que unos circuitos neuromórficos artificiales hagan las veces de las redes encefálicas naturales o al menos faciliten su funcionamiento. Tales prótesis podrían utilizarse en pacientes aquejados de trastornos neurológicos, con fines terapéuticos o de rehabilitación. Cabe destacar que, para agilizar la labor de desarrollo, los socios de RAMP diseñaron un modo de que las neuronas y los MIS se comuniquen por internet. Se abre así un método pionero con el que construir redes de neuroelectrónica por toda Europa. En suma, el sistema de RAMP proporciona una prueba de concepto de que las neuronas son capaces de interactuar con dispositivos memresistivos nanoelectrónicos que se rijan por reglas similares de memoria y plasticidad. El carácter tan innovador de los resultados de RAMP queda de manifiesto por las solicitudes de patentes y las empresas tecnológicas que surgieron en el transcurso del proyecto. RAMP recibió fondos mediante el programa Tecnologías futuras y emergentes (FET) de la Comisión Europea.
Palabras clave
Neuronas, plasticidad neuronal, redes neuronales, RAMP, memresistivo
