Estás leyendo la publicación: Investigadores de Harvard desarrollaron un circuito iónico que consta de cientos de transistores iónicos y realizaron un proceso central de computación de redes neuronales en el agua
La información es procesada por microprocesadores en computadoras, centros de datos y teléfonos inteligentes mediante la manipulación de electrones que pasan a través de semiconductores sólidos. Sin embargo, nuestros cerebros tienen un mecanismo distinto, ya que procesan la información mediante el control de iones en un medio líquido. Durante mucho tiempo, los científicos han trabajado para crear “iónicos” en una solución acuosa que imita cómo el cerebro humano procesa la información. Los científicos creen que la variedad de especies iónicas con diferentes propiedades físicas y químicas podría utilizarse para un procesamiento de información más rico y diverso, a pesar de que los iones en el agua se mueven más lentamente que los electrones en los semiconductores.
Los transistores iónicos y los diodos solo se han creado como componentes individuales en laboratorios; nadie ha sido capaz de combinar numerosos componentes para formar un circuito sofisticado. Sin embargo, el estudio de la computación iónica aún se encuentra en sus primeras fases. Investigadores de la Escuela de Ingeniería y Ciencias Aplicadas John A. Paulson de Harvard (SEAS) y DNA Script, una startup de biotecnología, crearon un circuito iónico con cientos de transistores iónicos y llevaron a cabo una operación informática de red neuronal fundamental como primer paso para producir una investigación tan innovadora. El estudio también se publicó en la revista Advanced Materials, y los chips mencionados aún se encuentran en la etapa de prototipo.
Los investigadores inventaron recientemente un método que fue la base del nuevo transistor iónico. El transistor está hecho de una solución acuosa de moléculas de quinona conectadas a dos electrodos de anillo concéntrico y un electrodo de disco central en forma de diana. Los dos electrodos de anillo reducen y regulan electroquímicamente el pH local alrededor del disco central creando y atrapando iones de hidrógeno. Una corriente iónica fluye desde el disco central hacia el agua debido a una reacción electroquímica cuando se aplica voltaje. Al ajustar el pH local, la velocidad de reacción puede acelerarse hacia arriba o hacia abajo, aumentando o disminuyendo la corriente iónica.
La siguiente etapa de su investigación involucró el diseño del transistor iónico controlado por pH para que la corriente del disco resulte de sumar el voltaje del disco y un parámetro de “peso” en aritmética. Este parámetro de peso representa la puerta de pH local del transistor. La matriz de valores de pH locales sirvió como matriz de peso vista en las redes neuronales. Los transistores se colocaron en una matriz de 16 x 16 para expandir la multiplicación aritmética analógica de transistores individuales en una multiplicación matricial analógica.
Para analizar los circuitos iónicos se utilizó la multiplicación de matrices, el cálculo más común en redes neuronales para inteligencia artificial. Basado en maquinaria electroquímica, el circuito iónico del equipo ejecuta la multiplicación de matriz en agua de forma analógica. Para llevar a cabo la multiplicación de matrices, los microprocesadores manipulan digitalmente los electrones. Los investigadores enfatizan que, si bien la multiplicación de la matriz electroquímica en el agua no puede ser tan rápida o precisa como los microprocesadores digitales, es atractiva por derecho propio y tiene el potencial de ser energéticamente eficiente.
El circuito iónico también tiene la capacidad de acelerar procesos como la síntesis de ADN y otros que intervienen en las redes cerebrales. Ahora solo se han examinado unas pocas especies iónicas, incluidos los iones de hidrógeno y quinona. Sin embargo, a medida que se prueban más especies iónicas a lo largo del tiempo, el procesamiento de la información solo se volverá más próspero y más diverso. El equipo especula que las redes neuronales pronto podrían operar en circuitos iónicos basados en agua, que serían sustancialmente más lentos pero mucho más eficientes energéticamente.
Referencias:
- https://seas.harvard.edu/news/2022/09/neural-net-computing-water
- https://www.pcgamer.com/water-chips-ionics-harvard-research/
Por favor no olvides unirte Nuestro subreddit de ML
Echa un vistazo a https://aitoolsclub.com para encontrar 100 de Cool AI Tools
