Cálculo por fibra óptica basado en el encéfalo humano
Las dendritas son estructuras ramificadas situadas en el extremo de las neuronas que reciben y procesan las señales electroquímicas entrantes. Su estructura se asemeja mucho a la de un árbol: muchas ramas a las que llegan muchas señales que se preprocesan de forma local en estas ramas dendríticas antes de que la salida resultante de estos cálculos se envíe al cuerpo celular (soma) de la neurona para su procesamiento final. «Estas dendritas pueden entenderse como compuestas por muchas “redes locales” que quitan gran parte de la carga computacional al “procesador central”: el cuerpo celular», explica Florentin Wörgötter, catedrático de Física de la Universidad de Gotinga. Los sistemas informáticos modernos hacen en parte lo mismo al utilizar varios «procesadores esclavos» para el preprocesamiento, lo que alivia a la unidad central de procesamiento (CPU) maestra, según afirma Wörgötter. Los investigadores del proyecto ADOPD, financiado con fondos europeos, intentaron aprovechar estas ideas para crear unidades computacionales ultrarrápidas de fibra óptica para computación neuromórfica (basada en el encéfalo humano), que consume mucha menos energía que los sistemas informáticos convencionales y podría satisfacer la demanda exponencialmente en aumento de mayores velocidades de procesamiento. «Esta tecnología es especialmente interesante por su bajo consumo de energía y su velocidad ultrarrápida», añade Wörgötter, coordinador del proyecto ADOPD.
Una interacción fructífera entre la modelización teórica y el desarrollo de «hardware»
El equipo del proyecto ADOPD combinó la modelización teórica con la aplicación real del «hardware». Los investigadores partieron de un principio computacional conocido —una regla para modificar la intensidad de las conexiones dentro de una red dendrítica (la llamada regla de plasticidad sináptica)— y desarrollaron el correspondiente «hardware» electroóptico, que permite un procesamiento rápido y eficaz de las señales. «Gracias a la regla de plasticidad puesta en práctica, este sistema puede adaptarse hasta cierto punto a los cambios en la entrada», señala Wörgötter. Paralelamente, el equipo siguió desarrollando modelos teóricos de procesamiento de señales dendríticas en modelos neuronales biofísicamente realistas. «Esta interacción fue fructífera, ya que al final del proyecto la regla de plasticidad original pudo ampliarse con nuevos principios computacionales, descubiertos por nuestros esfuerzos de modelización teórica», afirma Wörgötter.
La primera plasticidad sináptica por fibra óptica
En el proyecto ADOPD se aplicó satisfactoriamente la plasticidad sináptica mediante fibra óptica, lo que remite a un principio computacional similar al observado en las neuronas del encéfalo humano. «En el transcurso de este proceso, también descubrimos y patentamos un método novedoso que permite sincronizar muy rápidamente distintas señales», señala Wörgötter. Este método se basa en la misma regla de plasticidad y tiene potencial para competir con las soluciones de «hardware» convencionales. El equipo utiliza actualmente este método para desarrollar un microchip destinado a aplicaciones que van desde las telecomunicaciones a los vehículos autónomos.
Creación de la base de la computación neuromórfica de nueva generación
Los resultados de ADOPD contribuyen al desarrollo de la computación neuromórfica, y algunos de los socios del proyecto trabajan de forma activa en ello. Las dificultades restantes residen en la ampliación del sistema existente a múltiples dendritas y redes más grandes, aunque existe potencial para que el sistema ADOPD alcance la madurez comercial en los próximos diez años. Otra línea de investigación se refiere a los métodos «holográficos» para cálculos basados en fibras ópticas. Uno de los resultados de ADOPD ha sido que es posible utilizar fibras más gruesas e inyectar un flujo de señal. Esto da lugar a una secuencia de patrones complejos, similar a la forma en que se suceden los fotogramas en una película. «También se pueden utilizar estos patrones para realizar cálculos, lo que ofrece la ventaja de un flujo de información muy comprimido—explica Wörgötter—. Es una clara ampliación de los resultados existentes de ADOPD, pero es difícil».
Palabras clave
ADOPD, computación neuromórfica, modelización teórica, hardware, neuronas, encéfalo, computación